“江明奇”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17个，建议您升级VIP下载更多相关专利

[发明专利]重读可控语音合成方法、装置、电子设备及存储介质-CN202310954513.5在审
发明人：史文婧;江明奇;陈云琳 -专利权人：上海墨百意信息科技有限公司
申请日： 2023-07-31 - 公布日： 2023-10-10 - 主分类号： G10L13/02 文献下载
摘要：本公开提供了一种重读可控语音合成方法、装置、电子设备及存储介质。本公开实施例的重读可控语音合成方法包括：获取用户提供的第一文本；通过语音合成模型中的文本编码器获取第一文本的文本编码状态；获取重读特征，重读特征包括第一重读特征和/或第二重读特征，第一重读特征由用户设置，第二重读特征通过语音合成模型中的重音预测器基于第一文本的文本编码状态得到；至少通过语音合成模型中的解码器基于第一文本的文本编码状态和重读特征获得第一文本的合成音频。本公开实施例能够在不降低语音合成质量的前提下实现语音合成的重读可控。
重读可控语音合成方法装置电子设备存储介质

[发明专利]一种基于文本信息生成说话人视频的方法及装置-CN202011577254.1有效
发明人：张旭;杨喜鹏;殷昊;江明奇;陈云琳 -专利权人：北京羽扇智信息科技有限公司
申请日： 2020-12-28 - 公布日： 2023-08-04 - 主分类号： G10L13/02 文献下载
摘要：本发明公开了一种基于文本信息生成说话人视频的方法及装置，本发明实施例对文本信息进行语音合成处理，生成梅尔频谱图序列；对所述梅尔频谱图序列进行图像处理，生成与文本信息对应的面部图像；对所述梅尔频谱图序列进行语音处理，生成与文本信息对应的语音信息；对所述面部图像和所述语音信息进行合成处理，生成说话人视频。由此能够有效合成说话人视频，并提高说话人视频的合成效果，从而解决现有技术中不同使用者通过语音合成说话人视频导致的合成效果下降且制作成本高的问题。
一种基于文本信息生成说话视频方法装置

[发明专利]一种语音合成方法、装置以及计算机可读存储介质-CN202011391440.6有效
发明人： 江明奇;陈云琳;殷昊;杨喜鹏;张旭 -专利权人：问问智能信息科技有限公司
申请日： 2020-12-02 - 公布日： 2023-08-01 - 主分类号： G10L13/02 文献下载
摘要：本发明公开了一种语音合成方法、装置以及计算机可读存储介质，包括：获取文本信息，并将所获取的文本信息输入到基于端到端神经网络的声学模型中进行编码，编码生成表征用于概括所述文本信息的第一内容向量；接收针对所述文本信息中每个子文本信息的语音时长信息；根据所接收的语音时长信息，调整所述第一内容向量中针对所述子文本信息的语音时长，生成第二内容向量；根据所生成的第二内容向量，生成对应于所述文本信息的语音信息。由此，在语音合成过程中，通过控制第一内容向量中的文本时长，使得所生成的声音在音质未下降的基础上变得富有情感并且连贯舒畅。
一种语音合成方法装置以及计算机可读存储介质

[发明专利]一种对语音信息的训练方法及装置-CN202011577644.9有效
发明人：张旭;殷昊;陈云琳;江明奇;杨喜鹏 -专利权人：出门问问（武汉）信息科技有限公司
申请日： 2020-12-28 - 公布日： 2023-08-01 - 主分类号： G06V10/44 文献下载
摘要：本发明公开了一种对语音信息的训练方法及装置，本发明实施例首先获取语音信息数据；并针对所述语音信息数据中的任一语音信息：对所述语音信息进行处理，得到梅尔频谱图序列；对所述梅尔频谱图序列进行语义特征提取，得到语义特征信息；对所述语义特征信息进行时序特征提取，得到时序特征信息；之后对多个所述时序特征信息进行模型训练，得到面部关键点模型。由此，通过对语音信息进行语义特征提取的学习，以及时序特征提取的学习，从而提升面部关键点模型的性能，使得面部关键点模型能够准确合成面部关键点序列，进而提高说话人视频的合成效果，从而解决现有技术中模型输出说话人画面出现的抖动问题。
一种语音信息训练方法装置

[发明专利]一种基于面部关键点生成说话人图像的训练方法及装置-CN202011577259.4有效
发明人：张旭;殷昊;杨喜鹏;江明奇;陈云琳 -专利权人：出门问问(苏州)信息科技有限公司
申请日： 2020-12-28 - 公布日： 2023-06-30 - 主分类号： G06V40/16 文献下载
摘要：本发明公开了一种基于面部关键点生成说话人图像的训练方法及训练装置，本发明实施例首先将原始图像和合成图像共同作为当前帧样本，得到样本序列，其中，所述原始图像是由当前帧面部关键点序列连接形成的图像，所述合成图像是利用生成器对上一帧样本进行处理而生成的图像；并针对所述样本序列中任一当前帧样本：对所述当前帧样本进行时序特征提取，生成特征向量；之后判断所述特征向量是否满足预设条件，基于判断结果对所述生成器参数进行调整；最后根据调整结果，生成图像合成模型。由此，通过时序建模，能够实现图像合成模型合成的画面具有连续性，从而解决了现有技术中由于画面时序性差导致视频出现抖动的问题。
一种基于面部关键生成说话图像训练方法装置

[发明专利]一种语音合成方法、装置及存储介质-CN202011619349.5有效
发明人：殷昊;陈云琳;江明奇;杨喜鹏;张旭 -专利权人：出门问问(苏州)信息科技有限公司
申请日： 2020-12-31 - 公布日： 2023-06-27 - 主分类号： G10L13/02 文献下载
摘要：本发明公开了一种语音合成方法、装置及计算机可读存储介质，首先将原始语音信号按频率分解成n个子带频率信号，n的取值为大于等于2的正整数；接着从所述原始语音信号提取梅尔频谱特征；之后根据所提取的梅尔频谱特征生成所述n个子带频率信号中每个子带频率信号的预测采样点；最后利用所述n个子带频率信号中每个子带频率信号的预测采样点对所述n个子带频率信号进行合成，得到对应所述原始语音信号的语音合成信号。
一种语音合成方法装置存储介质

[发明专利]一种多说话人语音合成方法、装置及计算设备-CN202010471223.1有效
发明人：殷昊;陈云琳;江明奇;雷欣 -专利权人：上海墨百意信息科技有限公司
申请日： 2020-05-28 - 公布日： 2023-05-30 - 主分类号： G10L13/047 文献下载
摘要：本公开提供了一种多说话人语音合成方法、装置、可读存储介质及计算设备，解决了多说话人语音合成中，不同声音类型的语音数据的数据量不平衡，导致语音合成质量下降的问题，方法包括：获取包含至少两种声音类型的多说话人语音数据；对所述多说话人语音数据作数据增强处理；将所述多说话人语音数据输入多说话人语音合成系统进行数据训练；在对所述多说话人语音合成系统完成训练后，向所述多说话人语音合成系统输入包含指定说话人和指定文本的指令，指示所述多说话人语音合成系统合成语音。
一种说话人语合成方法装置计算设备

[发明专利]一种语音合成模型训练平台-CN202211680618.8在审
发明人：王正;江明奇;杨喜鹏;殷昊;陈云琳 -专利权人：上海墨百意信息科技有限公司
申请日： 2022-12-26 - 公布日： 2023-04-25 - 主分类号： G06F18/214 文献下载
摘要：本申请提供了一种语音合成模型训练平台；所述平台包括：前端模块，用于创建训练任务；后端模块，用于获取前端模块创建的训练任务，若查询到存在图形处理器(GPU)的空闲核心，则将所述空闲核心的计算资源分配给所述训练任务；算法模块，用于对所述训练任务进行训练，得到训练任务的训练结果。本申请提供的语音合成模型训练平台，在创建训练任务确定之后，用户将不用再进行任何操作，直接等待最后的训练结果即可，解决了语音模型训练流程复杂的问题，提高了训练准确率。
一种语音合成模型训练平台

[发明专利]语音合成方法、装置、设备及存储介质-CN202211389438.4在审
发明人： 江明奇;赵根亮;陈云琳 -专利权人：出门问问创新科技有限公司
申请日： 2022-11-08 - 公布日： 2023-03-21 - 主分类号： G10L13/08 文献下载
摘要：本公开提供了一种语音合成方法、装置、设备及存储介质，通过将待处理文本进行预处理，得到与所述待处理文本相对应的音素序列；将所述音素序列输入第一声学模型，得到与所述音素序列相对应的目标语音帧；将所述目标语音帧输入第二声学模型，生成目标语音点，能够解决传统语音合成时长无法控制的问题，并在保证高品质音质的基础上，实现不同人多种类型语言的合成效果。
语音合成方法装置设备存储介质

[发明专利]一种语音转换方法、装置、电子设备及存储介质-CN202211274720.8在审
发明人：王瑞;江明奇;陈云琳;叶顺平 -专利权人：出门问问创新科技有限公司
申请日： 2022-10-18 - 公布日： 2023-01-31 - 主分类号： G10L13/033 文献下载
摘要：本公开提供了一种语音转换方法、装置、电子设备及存储介质，所述方法包括：根据完成数据增强处理的非目标发音人音频数据集和目标发音人音频数据对初始语音转换模型进行训练，得到目标语音转换模型；获取源发音人音频数据；将所述源发音人音频数据输入所述目标语音转换模型，获得目标音频数据，应用本方法可以使进行语音转换模型训练的音频数据具有多样性，通过完成数据增强处理的语音数据对语音转换模型进行训练，可以获得鲁棒性更好的目标语音转换模型，减少现实应用中语音转换性能的下降，在真实使用场景中使用目标语音转换模型进行语音转换时可以获得转换性能更好、更稳定的目标音频数据。
一种语音转换方法装置电子设备存储介质

[发明专利]一种歌声合成方法、装置及设备-CN202011543835.3有效
发明人：杨喜鹏;张旭;殷昊;江明奇;陈云琳 -专利权人：出门问问创新科技有限公司
申请日： 2020-12-23 - 公布日： 2023-01-31 - 主分类号： G10L13/033 文献下载
摘要：本发明公开了一种歌声合成方法、装置及设备，该方法包括：获取目标歌曲的第一歌词文本，确定第一歌词文本的第一音素，将第一音素和预设第一音素的歌唱时长输入预设的声学模型进行处理，输出对应的第一声学特征，第一声学特征包括第一基频、第一谱包络，根据预设目标歌曲的第二基频对第一基频进行调整，对调整后的第一基频和第一谱包络进行合成，得到合成歌声。由于训练声学模型的数据远小于现有的歌声合成所需要的数据，从而无需收集大量的数据就可以实现歌声合成，可以降低歌声合成的成本；并且，本发明的合成歌声具有目标歌曲原歌手歌唱时的韵律，曲调，且曲调连续，不会因音调的突然转换而产生不自然的听感。
一种歌声合成方法装置设备

[发明专利]一种歌声合成方法、装置及设备-CN202011537625.3有效
发明人：杨喜鹏;江明奇;殷昊;张旭;陈云琳 -专利权人：出门问问创新科技有限公司
申请日： 2020-12-23 - 公布日： 2023-01-31 - 主分类号： G10L13/033 文献下载
摘要：本发明公开了一种歌声合成方法、装置及设备，该方法，包括：获取目标歌曲、目标歌曲的乐谱及目标歌曲歌词的播报语音，乐谱包括歌词、歌词中的字符对应的第一时长；确定目标歌曲的第一基频和播报语音的第一谱特征；根据字符对应的声母和韵母确定字符对应的第一音素；根据字符对应的第一音素、各第一音素的第一预设时长比例阈值及字符对应的第一时长确定第一音素的第二时长；根据播报语音和歌词确定第一音素的第三时长；根据第一音素的第二时长、第一音素的第三时长对第一谱特征进行缩放处理，得到第二谱特征；对第二谱特征、第一基频进行合成，得到合成歌声。本发明无需收集大量的录音数据就可以实现歌曲合成，可以降低歌曲合成的成本。
一种歌声合成方法装置设备

[发明专利]语音转换方法、装置、电子设备及存储介质-CN202211137419.2在审
发明人：殷昊;江明奇;丁辉;陈云琳;叶顺平 -专利权人：北京羽扇智信息科技有限公司
申请日： 2022-09-19 - 公布日： 2022-12-30 - 主分类号： G10L21/013 文献下载
摘要：本公开提供了一种语音转换方法、装置、电子设备及存储介质。本公开实施例的语音转换方法包括：获取当前源语音块；提取当前源语音块的语音后验概率特征；利用当前源语音块的语音后验概率特征和已获得的先前源语音块的历史记忆信息生成对应当前源语音块的声学特征；将对应当前源语音块的声学特征合成为目标语音块；其中，目标语音块具有目标发音人的音色特征，源语音块的说话人为源发音人。本公开能够实现实时地语音转换，成本低，执行速度快，而且支持多对一的语音转换。
语音转换方法装置电子设备存储介质

[发明专利]一种歌声合成方法、装置及可读存储介质-CN202011542845.5有效
发明人：杨喜鹏;郁霖;陈云琳;江明奇;张旭;殷昊 -专利权人：出门问问(苏州)信息科技有限公司
申请日： 2020-12-23 - 公布日： 2022-12-30 - 主分类号： G10L13/033 文献下载
摘要：本发明公开了一种歌声合成方法、装置及可读存储介质，该方法包括：获取用户朗诵的音频、音频对应的的歌词文本；根据预设语音识别模型和歌词文本对音频中的第一音素进行时长标注，得到第一音素的第一时长；确定音频的第一谱特征；当歌词文本中的第一歌词和预设目标歌曲的第二歌词对应，根据预设的目标歌曲的第二音素的第二时长、第一音素的第一时长对第一谱特征进行缩放处理，得到第二谱特征；对第二谱特征、预设的目标歌曲的第一基频进行合成，得到合成歌声。本发明无需收集大量的录音数据就可以实现歌声合成，可以降低歌声合成的成本，且合成歌声更加自然，具有目标歌曲原歌手歌唱时的韵律感且能保留用户原有的音色。
一种歌声合成方法装置可读存储介质

[发明专利]一种语音合成方法和装置-CN202211123920.3在审
发明人： 江明奇;王瑞;陈云琳;叶顺平 -专利权人：问问智能信息科技有限公司
申请日： 2022-09-15 - 公布日： 2022-12-20 - 主分类号： G10L13/027 文献下载
摘要：本申请实施例公开了一种语音合成方法及装置，包括：获取文本数据和文本数据对应的音高数据，文本数据中包含多个文本，音高数据表征每个文本对应的音高；对文本数据和音高数据进行编码，得到文本特征数据和音高特征数据；对多个文本进行时长预测，得到每个文本的预测时长，预测时长表征该文本对应的帧数；将文本特征数据和音高特征数据进行合并，得到第一特征数据；利用每个文本的预测时长对第一特征数据进行时长扩充，得到第二特征数据；对第二特征数据进行解码，得到语音谱参数，并将语音谱参数输入预训练的神经网络声码器，生成并得到目标语音。
一种语音合成方法装置

1
2
下一页»
尾页
共 17 条