“张句”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9个，建议您升级VIP下载更多相关专利

[发明专利]一种语音合成方法及装置-CN202110941865.8有效
发明人：张句;贡诚;王宇光;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2021-08-17 - 公布日： 2023-10-20 - 主分类号： G10L13/02 文献下载
摘要：本申请提供一种语音合成方法及装置，涉及音频技术领域，能够提升语音合成的实时率，并且能够提升所合成的语音的音质。该方法包括：基于第一训练样本集和教师声学模型，对预设学生声学模型进行训练，得到目标学生声学模型，该第一训练样本集包括多个文本和该多个文本对应的声学特征，该预设学生声学模型为轻量级的声学模型；并且采用目标学生声学模型对目标文本进行特征提取，得到目标文本的声学特征；以及通过声码器对目标文本的声学特征进行处理，得到目标文本对应的语音。其中，教师声学模型、预设学生声学模型以及目标学生声学模型均用于提取文本的声学特征。
一种语音合成方法装置

[发明专利]基于多任务学习的前端文本分析方法-CN202210132522.1有效
发明人：黎天宇;张句;关昊天;王宇光 -专利权人：慧言科技（天津）有限公司
申请日： 2022-02-14 - 公布日： 2023-04-07 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了基于多任务学习的前端文本分析方法，使用相同语料进行特征和结果标注，并使用CNN网络作为共享层对语料进行特征提取，然后分别放入两个Bi‑LSTM中并行训练，针对两个任务输出结果，具体包括以下步骤：S1、数据标注；S2、特征准备；S3、特征融合；S4、分类。本发明使用多任务学习方法将多音字预测和韵律预测任务相结合，实现了一个统一的端到端的文本处理模型，即提供统一的前端结构，以更快速、更轻松地构建高质量的普通话TTS系统。统一模型的训练可以使用相同的数据作为输入，可以直接从原始文本中同时预测多音字和韵律，可以将两个任务并行训练，减少了数据标注的工作量，也节约了训练成本，并同时输出两个结果，简化了训练过程。
基于任务学习前端文本分析方法

[发明专利]基于自监督学习和互信息解耦技术的语音合成方法-CN202211191537.1在审
发明人：王龙标;贡诚;张句;王宇光;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2022-09-28 - 公布日： 2023-01-06 - 主分类号： G10L13/047 文献下载
摘要：本发明公开基于自监督学习和互信息解耦技术的语音合成方法，主要包括数据预处理；采用HUBERT和wav2vec模型作为预训练的大模型，并采用大量的无标签方式对齐进行训练；设计说话人分类和风格分类两个任务作为下游任务，固定训练模型的权重参数，用于得到任务相关的特征表示；利用互信息对Tspeaker和Tstyle进行解耦；将学习好的Tspeaker和Tstyle添加到端到端语音合成模型中，端到端语音合成模型采用encoder‑attention‑decoder结构。本发明提升多说话人和多风格语音合成的质量，同时提高合成模型对于少量数据的快速适应能力。
基于监督学习互信息解耦技术语音合成方法

[发明专利]基于混合文本表示和说话人对抗的混读语音合成方法-CN202211192528.4在审
发明人：王龙标;贡诚;张句;王宇光;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2022-09-28 - 公布日： 2022-12-30 - 主分类号： G10L13/02 文献下载
摘要：本发明涉及基于混合文本表示和说话人对抗的混读语音合成方法，具体涉及到利用对抗训练与元学习的方式对情感语音合成系统进行优化。包括数据预处理、混合文本表示、端到端语音合成基础模型的设计、添加对抗模块用来抹去文本表示中的音色信息、模型训练以及合成音频。本发明提升混读语音合成的流畅度，同时保持语音合成的音色，将语种和说话人进行解耦。合成语音中的不同语言之间可以保持一致的音色。
基于混合文本表示说话对抗语音合成方法

[发明专利]基于说话人情感语音合成模型的对抗与元学习方法-CN202211010973.4在审
发明人：张句;贡诚;王宇光;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2022-08-23 - 公布日： 2022-11-18 - 主分类号： G10L13/04 文献下载
摘要：本发明属于语音合成深度学习技术领域，具体涉及一种基于说话人情感语音合成模型的对抗与元学习方法，利用对抗训练与元学习的方式对情感语音合成系统进行优化。包括数据预处理、端到端语音合成基础模型的设计以及添加对抗训练模块用来抹去情感嵌入表示中的音色信息，对抗模块主要包含一个梯度反转层和一个speaker分类器和基于元学习的训练。采用元学习的方式提升情感语音合成模型的泛化能力，使其能够在少量说话人语音数据上进行快速适应。
基于说话人情语音合成模型对抗学习方法

[发明专利]基于神经网络的多尺度融合的发音评测模型优化方法-CN202210772121.2在审
发明人：张句;贡诚;王宇光;关昊天 -专利权人：苏州智言信息科技有限公司
申请日： 2022-06-30 - 公布日： 2022-10-25 - 主分类号： G10L25/30 文献下载
摘要：本发明是语音发音评测领域，具体涉及基于神经网络的多尺度融合的发音评测模型优化方法，利用神经网络和多尺度融合技术对发音评测系统进行优化。主要包括:声学模型模型设计与选取、基于神经网络的GOP分数的计算、多尺度卷积神经网络的构造以及基于注意力机制的多特征融合，最后语音评测。考虑韵律信息的全局性和局部性，采用不同尺度的CNN网络，对不同粒度的韵律相关的发音特征进行了挖掘。采取注意力机制模型对不同尺度的发音特征和后验概率相关的特征进行融合，实现多尺度融合的发音特征。
基于神经网络尺度融合发音评测模型优化方法

[发明专利]构建端到端语音评测模型的深度学习方法-CN202210750476.1在审
发明人：黎天宇;张句;王宇光;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2022-06-29 - 公布日： 2022-08-05 - 主分类号： G10L15/02 文献下载
摘要：本发明涉及采用神经网络模型的深度学习方法，具体为一种构建端到端语音评测模型的深度学习方法。主要步骤包括构建LSTM+CTC的声学模型，对输入的声音讯号提取特征后进行训练，得到对应单词，然后结合语言模型得到对齐结果，用于后续多维度评测反馈和得分的计算。提取fbank特征用来作语音识别系统的输入和训练声学模型，将提取的特征放入声学模型中进行训练，声学模型使用LSTM+CTC的结构，其中LSTM以特征提取模块提取的特征为输入进行训练学习，得到学习后的特征。使用深度学习技术来实现一种端到端的语音评测方法，使评测过程更加方便，评测结果更加准确。
构建端到端语音评测模型深度学习方法

[发明专利]一种语音增强方法及装置-CN202110984082.8在审
发明人：张句;王宇光;李志刚;关昊天 -专利权人：慧言科技（天津）有限公司
申请日： 2021-08-25 - 公布日： 2021-12-10 - 主分类号： G10L21/0208 文献下载
摘要：本申请提供一种语音增强方法及装置，涉及音频技术领域，能够更大程度的降噪，得到质量较高的语音数据。该方法包括：基于语音增强模型，对待处理的语音数据进行处理，预测得到所述待处理语音数据中的纯净语音数据；所述待处理的语音数据为频域语音数据；基于干扰信息提取模型，对所述待处理的语音数据进行处理，预测得到所述待处理语音数据中的纯净干扰数据；基于语音融合模型，对待处理的语音数据、所述待处理语音数据中的纯净语音数据以及所述待处理语音数据中的纯净干扰数据做融合处理，得到增强的语音数据。
一种语音增强方法装置

[发明专利]一种基于三维唇动的文本无关说话人身份识别方法-CN202010448968.6在审
发明人：王建荣;吴彤;王善宇;方强;喻梅;于瑞国;张句 -专利权人：天津大学
申请日： 2020-05-25 - 公布日： 2020-11-27 - 主分类号： G06K9/00 文献下载
摘要：本发明涉及一种基于三维唇动的文本无关说话人身份识别方法，通过一个端到端网络，提取唇动瞬时静态和连续动态特征，对特征融合和分析，提取个性化特征，用于说话人身份识别，三维唇部序列不受光照影响，方便姿态矫正，又能精确分割唇部和其他区域。本发明基于唇部运动先验知识的注意力，根据唇部波动唇部区域对对说话人识别的贡献；本工作可以根据人的生物信息和说话习惯来识别说话人，从而打破先前实验中密码固定的限制，具有一定的理论价值和研究意义。
一种基于三维文本无关说话人身识别方法

1
共 9 条