“康永国”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果38个，建议您升级VIP下载更多相关专利

[发明专利]一种语音转换模型的训练方法、装置、电子设备及介质-CN202110949036.4有效
发明人：王俊超;陈怿翔;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-18 - 公布日： 2023-04-25 - 主分类号： G10L21/007 文献下载
摘要：本公开提供了一种语音转换模型的训练方法、装置、电子设备及介质，涉及人工智能技术领域，尤其涉及语音和深度学习技术。具体实现方案为：将第一用户针对语音的声学特征按照从前到后的顺序依次输入至音色概率图模型、编码器、注意力机制模型和解码器，得到解码器输出的特征序列；基于解码器输出的特征序列和第二用户针对语音的声学特征对待训练的语音转换模型进行训练。本申请实施例将注意力机制取代DTW对齐，使对齐精度更好，并且使用音素概率图特征作为转换系统的输入特征使模型的学习更方便；该方法既能提高对齐的精度，也能有效提高转换的音色效果。
一种语音转换模型训练方法装置电子设备介质

[发明专利]语音转换方法、语音转换模型的生成方法及其装置-CN202111618389.2有效
发明人：陈怿翔;王俊超;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2021-12-27 - 公布日： 2022-12-13 - 主分类号： G10L21/007 文献下载
摘要：本公开提供了联邦学习模型的生成方法及其装置，涉及人工智能技术领域中的深度学习和自然语言处理技术领域。其中为：获取源语音、参照语音和干净语音，从源语音中提取出语音内容信息，从参照语音中提取出第一声学特征，将语音内容信息、第一声学特征和干净语音输入至语音转换模型中，以生成第二声学特征；以及根据第二声学特征合成目标语音。本公开实施例利用干净语音指导语音转换模型整合语音内容信息和第一声学特征，得到第二声学特征，从而生成干净的目标语音，提高语音转换的质量和鲁棒性，降低对录音环境的要求，该方法能够适用于各种通用场景。
语音转换方法模型生成及其装置

[发明专利]一种农机齿轮箱加工中心-CN202210586968.1在审
发明人：殷家望;邓素震;康永国;杨学昌;殷鸿;殷璐;殷卫卫 -专利权人：台州市路桥恒创传动机械有限公司
申请日： 2022-05-26 - 公布日： 2022-10-14 - 主分类号： B23Q3/06 文献下载
摘要：本发明提供了一种农机齿轮箱加工中心，包括机架，机架上设置有工作台，工作台上设置有夹持组件，机架上设置有车削组件，车削组件位于夹持组件侧部；夹持组件包括设置在工作台上的驱动机构、设置在驱动机构输出端的转盘、设置在转盘上的夹持机构，驱动机构用以驱动转盘进行转动；夹持机构包括固定连接在转盘顶面的夹持底板、固定在夹持底板顶面的夹持座、固定在夹持底板顶面的下夹持块、设置在夹持座上的调节件、设置在调节件输出端的上夹持块，调节件用以驱使上夹持块靠近或者远离下夹持块。通过驱动机构以及转盘驱使农机齿轮箱转动，如此可在一次装夹之后对农机齿轮箱的多个面进行加工，使得农机齿轮箱加工中心能够具有较高的加工效率。
一种农机齿轮箱加工中心

[发明专利]语音合成方法、装置、电子设备和存储介质-CN202111558284.2有效
发明人：彭博;康永国;高聪 -专利权人：北京百度网讯科技有限公司
申请日： 2021-12-17 - 公布日： 2022-09-27 - 主分类号： G10L21/013 文献下载
摘要：本公开公开了语音合成方法、装置、电子设备和存储介质，涉及人工智能领域，尤其涉及深度学习、语音技术等领域。具体实现方案为：通过获取源语音，实现根据源语音的幅度分量和/或相位分量，对源语音中的噪声进行抑制，以得到降噪语音，在对降噪语音进行语音识别，以得到对应的文本信息之后，将降噪语音的文本信息，以及设定的标签输入训练得到的声学模型，以得到与文本信息匹配的预测声学特征，从而根据预测声学特征，生成目标语音。由此，通过基于源语音的幅度分量和/或相位分量，对源语音进行降噪处理，减少环境噪声的干扰，提高语音合成的效果。
语音合成方法装置电子设备存储介质

[发明专利]一种农机齿轮箱用双工位加工中心-CN202210588707.3在审
发明人：殷家望;邓素震;康永国;杨学昌;殷鸿;殷璐;殷卫卫 -专利权人：台州市路桥恒创传动机械有限公司
申请日： 2022-05-26 - 公布日： 2022-09-13 - 主分类号： B23Q3/155 文献下载
摘要：本发明提供了一种农机齿轮箱用双工位加工中心，包括机架，机架上设置有工作台，工作台上设置有夹持组件，夹持组件用以将农用机械齿轮箱夹紧固定，机架上设置有车削组件，车削组件位于夹持组件的侧部，且车削组件用以对农用机械齿轮箱进行加工，夹持组件包括夹持底板以及两夹持机构，夹持底板的顶面处并排设置有两加工工位，两夹持机构分设在两加工工位中，夹持机构用以将农机齿轮箱压紧固定于夹持底板的顶面。使用时，将两农机齿轮箱分别放置到两加工工位处，并使用两夹持机机构分别将两农机齿轮箱压紧固定在夹持底板上，之后车削组件可对两农机齿轮箱进行加工。上述加工中心在使用过程中能够对两农机齿轮箱进行加工，具有加工效率较高的优势。
一种农机齿轮箱双工加工中心

[发明专利]一种语音转换模型的训练方法、装置、电子设备及介质-CN202110950488.4有效
发明人：王俊超;陈怿翔;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-18 - 公布日： 2022-09-13 - 主分类号： G10L21/007 文献下载
摘要：本公开提供了一种语音转换模型的训练方法、装置、电子设备及介质，涉及人工智能技术领域，尤其涉及语音和深度学习技术。具体实现方案为：将语音的原始的声学特征分别输入至内容编码器和音色编码器，得到内容编码器输出的内容序列和音色编码器输出的音色向量；将内容序列输入至内容监督网络，得到内容监督网络输出的监督序列；基于监督序列和内容序列对内容编码器进行训练；将内容序列和音色向量分别输入至解码器，得到解码器输出的预测的声学特征；基于预测的声学特征和原始的声学特征对待训练的语音转换模型进行训练。本申请实施例可以通过内容监督网络专门针对内容编码器进行训练，使得语音转换模型可以更加准确地实现语音转换。
一种语音转换模型训练方法装置电子设备介质

[发明专利]一种农用机械齿轮箱用加工中心-CN202210819544.5在审
发明人：殷家望;邓素震;康永国;杨学昌;殷鸿;殷璐;殷卫卫 -专利权人：台州市路桥恒创传动机械有限公司
申请日： 2022-07-12 - 公布日： 2022-09-02 - 主分类号： B23Q3/06 文献下载
摘要：本发明提供了一种农用机械齿轮箱用加工中心，包括机架，机架上设置有工作台，工作台上设置有夹持组件，机架上设置有车削组件，车削组件位于夹持组件的侧部，夹持组件包括夹持框架，夹持框架中设置有若干夹持工位，且若干夹持工位共线，夹持工位中设置有第一夹持面，第一夹持面的边沿处设置有若干第一夹持机构，若干第一夹持机构用以将农用机械齿轮箱压紧固定于第一夹持面。使用时，可在每一夹持工位中放置农用机械齿轮箱，并通过夹持工位中的若干第一夹持机构将农用机械齿轮箱压紧固定在第一夹持面上，之后即可使用车削组件对农用机械齿轮箱进行加工。使用上述加工中心能够同时对多个农用机械齿轮箱进行加工，具有加工效率较高的优势。
一种农用机械齿轮箱加工中心

[发明专利]一种语音转换模型的训练方法、装置、电子设备及介质-CN202110950483.1有效
发明人：王俊超;陈怿翔;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-18 - 公布日： 2022-06-28 - 主分类号： G10L21/007 文献下载
摘要：本公开提供了一种语音转换模型的训练方法、装置、电子设备及介质，涉及人工智能技术领域，尤其涉及语音和深度学习技术。具体实现方案为：将语音的原始的声学特征输入至预训练模型，得到预训练模型输出的隐特征；将隐特征输入至语音转换模型，得到语音转换模型输出的预测的声学特征；基于原始的声学特征和预测的声学特征对待训练的语音转换模型进行训练。本申请实施例可以将隐特征作为语音转换模型的输入预测目标声学特征，使模型学习更充分，应用场景广泛。
一种语音转换模型训练方法装置电子设备介质

[发明专利]语音转换方法、系统、电子设备及可读存储介质-CN202110909497.9有效
发明人：陈怿翔;王俊超;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2021-08-09 - 公布日： 2022-04-08 - 主分类号： G10L13/033 文献下载
摘要：本公开公开了语音转换方法、系统、电子设备及可读存储介质，涉及语音、深度学习等人工智能技术领域，尤其涉及语音转换领域。具体实现方案为：语音转换方法，包括：获取目标说话人第一语音；获取原说话人语音；提取目标说话人第一语音的第一特征参数；提取原说话人语音的第二特征参数；将所述第一特征参数和所述第二特征参数进行处理得到梅尔谱信息；将所述梅尔谱信息进行转换，输出同目标说话人第一语音的音色相同，并且同原说话人语音的内容相同的目标说话人第二语音。本公开的语音转换方法及系统保留了目标说话人的语音情感、腔调等音色特征，并且见减小了运算成本。
语音转换方法系统电子设备可读存储介质

[发明专利]基于人工智能的语料扩充及语音合成系统构建方法及装置-CN201810102381.2有效
发明人：顾宇;王振宇;李昊;康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2018-02-01 - 公布日： 2022-01-28 - 主分类号： G10L13/08 文献下载
摘要：本发明公开了基于人工智能的语料扩充及语音合成系统构建方法及装置，如可包括：根据小样本音库中的语料，训练得到WaveNet模型；利用WaveNet模型，生成给定文本对应的语音波形；将生成的语音波形对应的语料补充到小样本音库中，得到大样本音库；利用大样本音库中的语料，构建出统计参数语音合成系统。应用本发明所述方案，能够提升语音合成效果，并节省人力物力及时间成本等。
基于人工智能语料扩充语音合成系统构建方法装置

[发明专利]语音生成方法、装置、电子设备以及存储介质-CN202110691955.6在审
发明人： 康永国;王俊超 -专利权人：北京百度网讯科技有限公司
申请日： 2021-06-22 - 公布日： 2021-09-28 - 主分类号： G10L13/033 文献下载
摘要：本公开提供了语音生成方法、装置、电子设备以及存储介质，涉及计算机技术领域，尤其涉及深度学习、语音技术等人工智能技术领域。具体实现方案为：获取原发音人的语音信息；对所述语音信息进行文本特征提取，以得到所述语音信息对应的文本特征；将所述文本特征转换为目标发音人对应的声学特征；根据所述声学特征，生成目标语音信号。实现了将原发音人的语音信息转换为对应音色与目标发音人一致的目标语音信号，从而在利用目标语音信号驱动虚拟数字人时，能够避免虚拟数字人的形象和语音不一致的情况出现。
语音生成方法装置电子设备以及存储介质

[发明专利]一种模型训练及语音合成方法、装置、设备和介质-CN202010668214.1在审
发明人： 康永国 -专利权人：北京百度网讯科技有限公司
申请日： 2020-07-13 - 公布日： 2020-11-03 - 主分类号： G10L13/047 文献下载
摘要：本申请公开了一种模型训练及语音合成方法、装置、设备和介质，涉及人工智能、深度学习和语音技术领域。具体实现方案为：获取训练数据集中的样本文本；基于预先采用无监督的训练方法训练出的声学模型，确定所述样本文本对应的标签信息；其中，所述标签信息包括风格信息和/或角色信息；基于所述样本文本以及所述样本文本对应的标签信息，对文本分类模型进行训练；其中，所述文本分类模型用于根据输入的文本输出对应的标签信息。本申请实施例实现了自动确定样本文本对应的标签信息的技术效果，提高了标签标注的准确性以及效率，相应提高了文本训练模型的训练速度。
一种模型训练语音合成方法装置设备介质

[发明专利]语音合成方法和装置-CN201510728762.8有效
发明人：李秀林;关勇;康永国;徐扬凯;陈汉英 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2015-10-30 - 公布日： 2020-09-25 - 主分类号： G10L13/02 文献下载
摘要：本发明提出一种语音合成方法和装置，该语音合成方法包括：获取以段落或篇章为单位的文本数据；在发音人朗读所述文本数据时进行录制，得到所述文本数据对应的语音数据，其中，发音人在朗读时结合文本数据的语义进行个人情感表达；生成韵律模型，以及，根据所述文本数据和所述语音数据生成声学模型；在需要进行语音合成时，根据预先生成的韵律模型和声学模型对输入文本进行处理，得到所述输入文本对应的合成语音。该方法能够提高合成语音的情感表现力。
语音合成方法装置

[发明专利]语音播报方法及装置-CN201710541569.2有效
发明人：徐凌锦;康永国;徐扬凯;徐犇;袁海光;徐冉 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2017-07-05 - 公布日： 2020-09-25 - 主分类号： G10L13/10 文献下载
摘要：本发明提出一种语音播报方法及装置，其中，方法包括：获取待播报对象；识别待播报对象的目标对象类型；根据目标对象类型获取与待播报对象匹配的播报标签集合；其中，播报标签集合用于表征出待播报对象的播报规则；根据播报标签集合所表征的播报规则播报待播报对象。该方法能够在播报时将待播报内容所携带的情感展现给听众，使听众能够在听觉上感受到该内容所携带的情感，且按照播报标签来播报对象是对语音合成标记语言(speech Synthesis Markup Language，简称SSML)规范的一种实现手段，有利于人们通过各种终端设备来聆听语音。
语音播报方法装置

[发明专利]语音合成播报方法、装置、设备及计算机可读介质-CN201811251300.1有效
发明人： 康永国 -专利权人：百度在线网络技术（北京）有限公司
申请日： 2018-10-25 - 公布日： 2020-09-01 - 主分类号： G10L13/02 文献下载
摘要：本发明提出一种语音合成播报方法、装置、设备和计算机可读介质。所述方法包括：接收多个发音人的录音数据；提取每个发音人的录音数据的文本特征，并分别对多个发音人进行身份标识；将所述文本特征和发音人的身份标识输入至文本‑声学的映射模型，输出语音特征，并建立发音人的文本特征与语音特征的映射关系。本发明实施例可以通过对多个录音人进行混合建模，从而可以多人共享训练数据，从而快速建立文本和声学之间的映射关系。另外，本发明实施例还可以根据当前场景信息选择播报发音人，极大提升文本播报的体验。
语音合成播报方法装置设备计算机可读介质

1
2
3
下一页»
尾页
共 38 条