龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：平安科技(深圳)有限公司
申请日：2024-10-23
公开（公告）日：2025-01-14
公开（公告）号：CN119314462A
专利技术分类：.文本分析或文本以外的语音合成参数的产生，例如语义图翻译为音素、韵律产生、重音或声调测定[2013.01]
专利摘要：本发明涉及人工智能技术领域和金融科技领域，公开了一种多模块协同的语音生成方法，通过获取参考文本和参考语音，将参考文本转换为音素序列并生成潜在特征，将参考语音转换为Mel谱图并提取风格特征，提取基频信息，将音素序列与Mel谱图输入文本对齐模块生成对齐信息，基于对齐信息和潜在特征预测语音时长，通过基频信息预测语音的基频，将预测的时长、基频和风格特征输入解码器生成重构的Mel谱图，最后通过声码器将重构的Mel谱图转换为语音音频数据。本发明通过结合对语音时长、基频和风格特征的精确控制，使生成的语音能够更好地反映文本内容的自然节奏和音调变化，并增强了语音的韵律和表现力，从而提高了语音合成的自然度和逼真度。
专利权项：1.一种多模块协同的语音生成方法，其特征在于，包括以下步骤：获取参考文本和参考语音；将所述参考文本转换为音素序列，并将所述音素序列输入文本编码模块，生成潜在特征；将所述参考语音转换为Mel谱图，并将所述Mel谱图输入风格编码模块，并由所述风格编码模块提取风格特征；通过基频提取模块从所述Mel谱图中提取基频信息；将所述音素序列与所述Mel谱图输入文本对齐模块，并由所述文本对齐模块生成对齐信息；基于所述对齐信息和潜在特征，通过时长预测模块预测生成语音的时长；通过基频预测模块基于所述基频信息，预测生成语音的基频；将预测生成语音的时长、预测生成语音的基频和所述风格特征输入解码器，生成重构的Mel谱图；使用声码器将重构的Mel谱图转换为语音音频数据。
百度查询： 平安科技(深圳)有限公司 多模块协同的语音生成方法、装置、设备及介质
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