龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：苏州小同科技有限公司
申请日：2024-04-15
公开（公告）日：2024-06-07
公开（公告）号：CN118155653A
主分类号：G10L25/18
分类号：G10L25/18;G10L25/30;G10L21/028;G10L21/007
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明公开了一种视频中人声和背景声音分离的方法与系统，包括以下步骤：步骤一、音频特征提取：从视频文件中提取音频轨道，并对其进行短时傅里叶变换，以获取音频的频谱；步骤二、人声分离：利用经过训练的旋转位置编码的注意力网络，得到分离的人声和背景声音的频谱，再对两者进行短时傅里叶逆变换得到分离的人声和背景声音；步骤三、混合重构：将分离出的人声和背景声音重新合成为两个独立的音频轨道，并与原视频进行融合；本发明提供了一种有效的视频中人声和背景声音分离的方法与系统，通过利用旋转位置编码的注意力网络实现了对音频的高效处理，为视频后期处理带来了新的可能性。
主权项：1.一种视频中人声和背景声音分离的方法，其特征在于，包括以下步骤：步骤一、音频特征提取：从视频文件中提取音频轨道，并对其进行短时傅里叶变换，以获取音频的频谱；步骤二、人声分离：利用经过训练的旋转位置编码的注意力网络，得到分离的人声和背景声音的频谱，再对两者进行短时傅里叶逆变换得到分离的人声和背景声音；步骤三、混合重构：将分离出的人声和背景声音重新合成为两个独立的音频轨道，并与原视频进行融合。
全文数据：
权利要求：
百度查询： 苏州小同科技有限公司 一种视频中人声和背景声音分离的方法与系统
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号