买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：江苏物润船联网络股份有限公司

摘要：本申请涉及语音识别技术领域，具体涉及基于语音识别的数字人嘴型智能驱动方法，该方法包括：采集低信噪比音频数据，分解后得到各音频分信号，分析低信噪比音频数据的分形维信号及各音频分信号的分形维信号中元素的分布，得到各分信号分形维语音特征度，获取各音频分信号的分形维信号各位置的分信号分形维突变度，结合各分信号分形维语音特征度及各分信号分形维突变度得到低信噪比音频数据各位置的原始信号突变点分布值，根据原始信号突变点分布值获取低信噪比音频数据的各音素向量，结合神经网络模型完成数字人嘴型智能驱动。本申请旨在提高低信噪比音频数据进行数字人嘴型驱动的准确度。

主权项：1.基于语音识别的数字人嘴型智能驱动方法，其特征在于，该方法包括以下步骤：采集低信噪比音频数据，分解后得到各音频分信号；分析低信噪比音频数据的分形维信号及各音频分信号的分形维信号中元素的分布，得到各分信号分形维语音特征度；分析各音频分信号的分形维信号的局部频域分布特征，得到各音频分信号的分形维信号各位置的分信号分形维突变度；结合各分信号分形维语音特征度及各分信号分形维突变度得到低信噪比音频数据各位置的原始信号突变点分布值；根据所述原始信号突变点分布值获取低信噪比音频数据的各音素向量，结合神经网络模型完成数字人嘴型智能驱动；其中，所述分信号分形维语音特征度的确定方法为：分析各音频分信号的分形维信号中各元素的重要程度得到各分信号分形维分布向量；计算低信噪比音频数据的分形维信号中所有元素的标准差与各音频分信号的分形维信号中所有元素的标准差的比值，确定为第一分布差异，计算低信噪比音频数据的分形维信号中所有元素的均值与各音频分信号的分形维信号中所有元素的均值的差值绝对值，确定为第二分布差异；计算低信噪比音频数据的分形维信号及各音频分信号的分形维信号中相同位置元素的差值绝对值，确定为第三分布差异，计算所述第三分布差异与音频分信号对应的分信号分形维分布向量中相同位置元素的乘积，计算各音频分信号的所述第二分布差异与对应音频分信号的分形维信号中所有所述乘积的和值的比值，确定为第四分布差异，各分信号分形维语音特征度与所述第一分布差异、所述第四分布差异成正相关关系；所述分信号分形维突变度的确定过程为：对各音频分信号的分形维信号中各位置元素划分第1窗口、第2窗口，分析功率谱向量分布特征，得到各音频分信号的分形维信号中各位置第1窗口、第2窗口的频率统计分布向量；分别计算分形维信号中各位置元素所述第1窗口与所述第2窗口内所有元素的均值的差值绝对值、求和结果，将所述差值绝对值确定为第一分形局部差异，将所述求和结果确定为分形局部累积，计算所述各位置第1窗口、第2窗口的频率统计分布向量的差值的模长，计算所述分形局部累积与对应的音频分信号的分形维信号中所有元素的均值的差值绝对值，确定为第二分形局部差异，将所述模长、所述第一分形局部差异、所述第二分形局部差异均正比例映射，得到各音频分信号的分形维信号各位置的分信号分形维突变度；所述原始信号突变点分布值的确定方法为：采用各音频分信号的分形维信号各位置的分信号分形维突变度相同的计算方法，针对低信噪比音频数据的分形维信号，计算各位置的分信号分形维突变度，分析低信噪比音频数据的分形维信号与各音频分信号的分形维信号相同位置的分信号分形维突变度的差异，结合各分信号分形维语音特征度，得到各音频分信号的分形维信号各位置的人声含量估计度；基于所述人声含量估计度确定各音频分信号的分形维信号各位置的人声含量估计度权重；分别计算各音频分信号的分形维信号中各位置元素的总窗口、第1窗口、第2窗口内所有元素的信息熵，计算所述第1窗口、第2窗口内所有元素的信息熵的和值，计算所述总窗口内所有元素的信息熵与所述和值的比值，确定为局部波动因子，将所有音频分信号的分形维信号各位置的人声含量估计度权重、所述局部波动因子正比例映射，得到低信噪比音频数据对应位置的原始信号突变点分布值；所述各音素向量的确定过程为：将低信噪比音频数据所有位置的原始信号突变点分布值进行阈值分割，将原始信号突变点分布值大于分割阈值的对应位置作为分割断点，对低信噪比音频数据进行分割，并重采样，得到各音素向量；所述结合神经网络模型完成数字人嘴型智能驱动，包括：将各音素向量作为神经网络模型的输入，输出为各音素向量对应的嘴型。

全文数据：

权利要求：

百度查询： 江苏物润船联网络股份有限公司 基于语音识别的数字人嘴型智能驱动方法