“慧言科技（天津）有限公司”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15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]基于时域单元的声源定位方法、装置及系统-CN202010401597.6有效
发明人：关昊天;姜宇;葛檬;廖启波 -专利权人： 慧言科技（天津）有限公司;深圳市康鸿泰科技有限公司
申请日： 2020-05-13 - 公布日： 2023-05-19 - 主分类号： G10L25/51 文献下载
摘要：本发明实施例提供了一种基于时域单元的声源定位方法，应用于远场声音信号的定位，所述方法包括：所述云计算服务器接收所述本地客户端发送的声源定位请求，所述声源定位请求包括触发时刻信息；所述云计算服务器依据所述触发时刻信息生成获取请求，并发送至所述云存储服务器；所述云计算服务器接收所述云存储服务器反馈的对应于所述触发时刻信息的目标频段，所述目标频段对应于触发时刻信息中所述声音信号的能量大于预设阈值的频段；所述云计算服务器依据所述目标频段生成声源定位结果；所述云计算服务器反馈所述声源定位结果至所述本地客户端。通过云计算技术、大数据分析方法和机器学习算法，系统、快速的实现云端定位方法，保证数据安全。
基于时域单元声源定位方法装置系统

[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]一种音频场景分类辅助的语音识别快速自适应方法-CN202210204440.3有效
发明人：潘立馨;宋彤彤;关昊天;王宇光 -专利权人： 慧言科技（天津）有限公司
申请日： 2022-03-03 - 公布日： 2022-10-21 - 主分类号： G10L15/22 文献下载
摘要：本发明公开了一种音频场景分类辅助的语音识别快速自适应方法，包括以下步骤：S1、训练得到一个音频场景分类模型，通过所述音频场景分类模型准确地提取输入音频的场景相关特征；S2、将音频场景分类模型所提取得到的场景相关特征和语音识别模型的声学特征进行融合，由于语音识别模型所获取的声学特征和音频场景分类模型所提取的场景相关特征之间有很强的相关性，将场景相关特征输入到语音识别模型后能够使得语音识别模型可以更专注于所识别的内容，得到识别准确率更高的融合模型，使得所述语音识别模型在目标域数据上得以快速自适应，提高语音识别模型的自适应能力。
一种音频场景分类辅助语音识别快速自适应方法

[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]一种利用CNN的U-NET结构进行远场语音去混响的方法-CN201910200023.X有效
发明人：李楠;张健 -专利权人： 慧言科技（天津）有限公司
申请日： 2019-03-15 - 公布日： 2020-12-08 - 主分类号： G10L21/0208 文献下载
摘要：本发明公开了一种利用CNN的U‑NET结构进行远场语音去混响的方法，属于语音信号处理技术领域，针对远场情况下混响比较大从而引起语音识别的识别准确率严重下降的情况，提出一种CNN的U‑NET结构，以2014年的REVERB Challenge数据集作为处理对象，主要包括以下步骤：对该数据集中的含混响的语音和与其对应的不含混响的语音进行特征提取；针对所提取的特征进行从含混响的语音特征到不含混响语音特征映射；将通过所提出的网络框架所增强后的特征进行声学模型训练及其解码。
一种利用 cnn net 结构进行语音混响方法

[发明专利]一种远场声音分类方法和装置-CN202010402018.X在审
发明人：关昊天;史昊;吕永杰;廖启波 -专利权人： 慧言科技（天津）有限公司;深圳市康鸿泰科技有限公司
申请日： 2020-05-13 - 公布日： 2020-08-14 - 主分类号： G10L15/08 文献下载
摘要：本发明实施例提供了一种远场声音分类方法，包括：利用人工智能模型的自学能力建立远场声音分类关系，其中，人工智能模型的自学能力建立的远场声音分类关系是基于数据增广和多尺度信息的卷积神经网络建立的远场声音分类关系；获取目标区域内的语音信号；基于语音信号的振幅信息对语音信号进行特征提取，得到语谱图；将语谱图输入到利用人工智能模型的自学能力建立的远场声音分类关系中，得到分类结果。将声音分类的音频数据和真实环境下的麦克风接受到的信号分布匹配，去除噪声和混响等干扰因素，使用数据增广的方式来进行声音分类，使得模型在训练数据能够更贴合真实环境的数据分布，从而能够得到更好的鲁棒性，提高声音分类任务的准确率。
一种声音分类方法装置

[发明专利]一种利用心率变异性定量评价疼痛的系统-CN201910561913.3在审
发明人：党建武;孟朋展;申岱 -专利权人： 慧言科技（天津）有限公司
申请日： 2019-06-26 - 公布日： 2019-09-06 - 主分类号： A61B5/024 文献下载
摘要：本发明公开了一种利用心率变异性定量评价疼痛的系统，包括体感刺激模块，用于激发人体心电信号发生改变；数据采集模块，记录疼痛数据和心电信号；指标提取模块，提取心率变异性在时间领域和频率领域的10个指标；指标分析模块，通过主成分分析对所述10维心率变异性指标在评价疼痛时贡献度，用于将10维降到4维；程度划分模块，疼痛数据的可视化对疼痛的程度进行分类；用于构建学习模型的模型构建模块和用于输出疼痛测评的结果输出模块。本发明采用主成分分析的方法，能够充分考虑各个指标对评价疼痛产生的影响，并且通过主成分分析的降维，去除了冗长的信息，在尽可能保留原数据的信息度的情况下增加了学习模型的正确率。
疼痛心率变异性主成分分析定量评价结果输出模块模型构建模块人体心电信号数据采集模块刺激模块划分模块频率领域时间领域心电信号指标分析指标提取贡献度可视化信息度原数据正确率测评构建降维体感输出分类学习保留激发记录

[发明专利]利用语音振幅信息和多种相位检测语音欺诈重放攻击方法-CN201910199508.1在审
发明人：李东播;关昊天 -专利权人： 慧言科技（天津）有限公司
申请日： 2019-03-15 - 公布日： 2019-06-04 - 主分类号： G10L17/00 文献下载
摘要：本发明公开了一种利用语音振幅信息和多种相位检测语音欺诈重放攻击方法，主要包括以下几个步骤：S1：提取不同的相位特征以及振幅特征；S2：使用GMM模型进行判别式训练；S3：在分数级别进行信息融合获得判别结果。本发明充分考虑到了语音中的相位信息，充分利用存在在语音中的相关信息，通过融合不同的相位信息，分析相位与振幅之间的互补性，具有能自动判断语音为真实语音还是重放语音，对语音欺诈检测非常有效。
语音相位检测相位信息振幅信息重放攻击欺诈判别结果欺诈检测相关信息相位特征信息融合真实语音振幅特征自动判断判别式互补性融合分析

[发明专利]一种用于语音情感识别的新特征提取方法-CN201910168424.1在审
发明人：关昊天;张林娟 -专利权人： 慧言科技（天津）有限公司
申请日： 2019-03-06 - 公布日： 2019-05-17 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种用于语音情感识别的新特征提取方法，包括以下几个步骤：第一步：计算分段语谱图；第二步：特征准备与融合；步骤三，特征提取与分类。利用先验知识和光谱信息的组合光谱特征(CSF)和优化光谱特征(RSF)，用CNN‑BLSTM模型从新特征中学习深度特征并区分情感。与语谱图相比，组合光谱特征和优化光谱特征相对错误率分别降低了32.04％和36.91％，能有效提高语音情感识别的准确性。
语音情感光谱特征组合光谱新特征光谱信息深度特征特征提取先验知识错误率分段优化分类融合学习

[发明专利]一种基于振幅和相位信息的语音情感识别方法-CN201811212955.8在审
发明人：王龙标;郭丽丽;党建武;张林娟;关昊天 -专利权人：天津大学;慧言科技（天津）有限公司
申请日： 2018-10-18 - 公布日： 2019-02-26 - 主分类号： G10L25/63 文献下载
摘要：本发明公开了一种基于振幅和相位信息的语音情感识别方法，包括以下步骤：步骤一，输入数据准备：选择情感识别数据库，并对数据进行分段处理；步骤二，提取振幅和相位信息；步骤三，构建卷积神经网络，从振幅和相位的融合信息中提取深度特征；步骤四，构建长短时记忆网络，完成情感分类；最后，输出情感分类结果。本发明的语音情感识方法和现有技术相比，考虑到了语音的相位信息，有效利用相位和振幅信息的互补性，选用CNN自动从振幅和相位信息中同时提取深度情感相关特征，大大的提高了特征的丰富性，获得更好语音情感识别效果。
相位信息语音情感情感分类构建卷积神经网络输入数据准备分段处理记忆网络情感识别深度特征振幅信息数据库互补性语音融合输出

1
共 15 条