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：上海交通大学
申请日：2024-03-07
公开（公告）日：2024-06-14
公开（公告）号：CN118197334A
主分类号：G10L21/0208
分类号：G10L21/0208;G10L21/0232;G10L25/30;G10L25/45
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.07.02#实质审查的生效;2024.06.14#公开
摘要：本发明公开了一种适用于多种输入场景的通用语音增强系统，涉及语音领域，包括基于自适应调节的短时傅立叶变换STFT的编码器，基于Transformer架构的时频双路建模的核心模块，基于自适应调节的短时傅立叶逆变换iSTFT的解码器；针对不同采样率的输入，所述编码器和解码器的窗口大小和窗口移动步长会根据输入采样率进行调整；针对不同麦克风通道数量的语音信号，采用了Transform‑Attention‑Concatenate，即TAttC技术，并用它来进行与麦克风数量无关的通道间建模；本系统在模型中维护了一组可更新的记忆槽memorytoken；在处理每个片段时，模型会利用记忆槽中保存的信息，并在处理完成后更新记忆槽。本系统采用自适应调节的STFT、TAttC技术，增强了泛化性。
主权项：1.一种适用于多种输入场景的通用语音增强系统，其特征在于，包括基于自适应调节的短时傅立叶变换STFT的编码器，基于Transformer架构的时频双路建模的核心模块，基于自适应调节的短时傅立叶逆变换iSTFT的解码器；其中，所述核心模块由时频建模子模块和空间建模子模块组成；本发明提出两个关键组件来实现对不同输入场景的通用模型设计，针对不同采样率的输入，所述编码器和解码器的窗口大小和窗口移动步长会根据输入采样率进行调整；针对不同麦克风通道数量的语音信号，采用了Transform-Attention-Concatenate，即TAttC技术，并将它作为所述空间建模子模块插入所述核心模块的双路建模之后，用来进行与麦克风数量无关的通道间建模；本系统在模型中维护了一组可更新的记忆槽memorytoken；在处理每个片段时，模型会利用记忆槽中保存的信息，并在处理完成后更新记忆槽。
全文数据：
权利要求：
百度查询： 上海交通大学 一种适用于多种输入场景的通用语音增强系统
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