“视觉语音”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果348274个，建议您升级VIP下载更多相关专利

[发明专利]一种基于视觉感应的AI语音应答响应系统-CN201910804779.5有效
发明人：邹珺;熊阿伟 -专利权人：南昌保莱科技有限公司
申请日： 2019-08-28 - 公布日： 2022-04-08 - 主分类号： G10L15/22 文献下载
摘要：本发明涉及一种基于视觉感应的AI语音应答响应系统，包括语音输出设备，语音输入设备，语音转换设备，语音响应设备；人数视觉感应设备，电话视觉感应设备，嘴型视觉感应设备，耳塞视觉感应设备，监控设备；用户通过语音输入设备输入语音，语音转换设备对输入的语音进行模拟信号和数字信号的转换，语音响应设备进行判断是否是特定语音，是特定语音则进行语音响应，通过语音输出设备进行AI对话模式；不是特定语音则为其他语音响应；则启动监控设备，这时就要根据嘴型视觉感应设备，电话视觉感应设备，人数视觉感应设备产生的信息来判断是否响应，只有当三者都判断为是时，通过语音输出设备进行AI对话模式。
一种基于视觉感应 ai 语音应答响应系统

[发明专利]一种语音识别方法、装置、设备及存储介质-CN202310641371.7在审
发明人：茆廷志;万根顺;邢秀萍;张景宣;高建清;潘嘉;刘聪;胡国平 -专利权人：科大讯飞股份有限公司
申请日： 2023-05-31 - 公布日： 2023-09-15 - 主分类号： G10L15/22 文献下载
摘要：本发明提供了一种语音识别方法、装置、设备及存储介质，语音识别方法包括：获取目标语音和目标视频，其中，目标语音为目标视频的视频内容的解说语音；对目标语音提取声学特征，得到目标语音的声学特征，并对目标视频提取含视频内容信息的视觉特征，得到目标视频的视觉特征；根据目标语音的声学特征并辅以目标视频的视觉特征，确定目标语音的语音识别结果。考虑到目标语音为目标视频的视频内容的解说语音，其与目标视频的视频内容具有一定的相关性，本发明对目标视频提取含视频内容信息的视觉特征，辅以视觉特征对解说语音进行语音识别，在对目标语音即解说语音进行语音识别时，辅以含视频内容信息的视觉特征，能够获得较为准确的语音识别结果。
一种语音识别方法装置设备存储介质

[发明专利]一种基于面部与语音识别的游戏控制系统及方法-CN201710283467.5在审
发明人：张冰心 -专利权人：合肥充盈信息科技有限公司
申请日： 2017-04-26 - 公布日： 2017-09-08 - 主分类号： G06F3/01 文献下载
摘要：本发明公开一种基于面部与语音识别的游戏控制系统及方法，该系统包括视觉采集模块、视觉识别模块、视觉对比模块、语音采集模块、语音识别模块、语音对比模块、数据库、数据处理模块、游戏控制模块、多媒体展示模块和语音播放模块；所述视觉采集模块通过视觉识别模块与视觉对比模块连接，所述语音采集模块通过语音识别模块与语音对比模块连接，所述视觉对比模块和语音对比模块分别通过数据处理模块与游戏控制模块连接，游戏控制模块分别与多媒体展示模块和语音播放模块连接本发明中游戏玩家可通过面部表情及语音对游戏中的人物进行控制，简化了游戏的操作，降低对环境的要求及对眼睛的伤害，同时增加了游戏的趣味性。
一种基于面部语音识别游戏控制系统方法

[发明专利]基于视觉识别的语音控制方法、装置、电子设备及介质-CN202211529628.1在审
发明人：刘磊 -专利权人：芜湖雄狮汽车科技有限公司;雄狮汽车科技（南京）有限公司;奇瑞汽车股份有限公司
申请日： 2022-11-30 - 公布日： 2023-04-07 - 主分类号： G10L15/00 文献下载
摘要：本申请涉及视觉识别技术领域，特别涉及一种基于视觉识别的语音控制方法、装置、电子设备及介质，其中，方法包括：接收用户的语音控制指令；判断待控制应用是否基于语音控制指令完成界面操控，并在待控制应用未基于语音控制指令完成界面操控时，发出视觉识别提醒；接收用户基于视觉识别提醒在待控制应用待操控界面的视觉识别辅助动作，并根据视觉识别辅助动作和语音控制指令对待控制应用进行界面操控。由此，解决了在不支持语音的智能座舱界面中，无法通过语音控制智能座舱的相关功能等问题，利用视觉识别技术识别智能座舱界面内的各种信息，从而使语音系统获取功能性质及具体文字内容，进而实现语音的控制功能。
基于视觉识别语音控制方法装置电子设备介质

[发明专利]多模态语音识别方法、装置、设备及存储介质-CN202211150783.2在审
发明人：张景宣;万根顺;潘嘉;刘聪;胡国平;刘庆峰;付中华 -专利权人：西安讯飞超脑信息科技有限公司
申请日： 2022-09-21 - 公布日： 2023-01-03 - 主分类号： G10L15/26 文献下载
摘要：本申请公开了一种多模态语音识别方法、装置、设备及存储介质，本申请获取说话人说话过程的语音以及对说话人拍摄的人脸视频和/或人体视频，并利用预配置的多模态语音识别模型处理语音和视频，多模态语音识别模型被配置为：从输入视频中提取与语音内容相关的视觉特征，从输入语音中提取语音特征，对视觉特征和语音特征进行融合，对融合特征进行编、解码处理，得到预测的识别文本，当输入的视频包括人脸视频时，视觉特征包括人脸视觉特征，当输入的视频包括人体视频时，视觉特征包括人体视觉特征。本申请对视频信息进行了扩展，从传统的唇部视频，扩展到人脸视频、人体视频，利用更加丰富的视觉线索提供更多辅助信息，提升语音识别的准确度。
多模态语音识别方法装置设备存储介质

[发明专利]同声传译方法、系统和设备以及控制器和介质-CN201811302012.4在审
发明人：范利春;高鹏 -专利权人：芋头科技（杭州）有限公司
申请日： 2018-11-02 - 公布日： 2019-02-15 - 主分类号： G06F17/28 文献下载
摘要：本发明涉及一种同声传译方法、系统和设备以及控制器和介质，所述方法包括:采集源语言的语音信号和视觉信号；接收所述语音信号和视觉信号并进行语音识别；根据语音识别结果和所述视觉信号进行翻译；根据翻译结果进行语音合成本发明通过语音信号和视觉信号同时进行语音识别，提高了语音识别的准确性，从而提高了同声传译的准确度和稳定性。
视觉信号同声传译语音识别系统和设备语音信号控制器语音识别结果准确度翻译结果目标语言语音合成源语言采集翻译

[发明专利]顾客操作终端以及该顾客操作终端所使用的程序-CN201210019545.8有效
发明人：圆田雅之 -专利权人：冲电气工业株式会社
申请日： 2012-01-20 - 公布日： 2012-10-31 - 主分类号： G07D9/00 文献下载
摘要：用于解决在顾客是视觉障碍者的情况下，从视觉障碍者用语音输出部输出顾客难以听取的输出功率的语音信号。顾客操作终端具有显示部(2)以及视觉障碍者用语音输出部(3a)，在由显示部进行的任意画面的显示中，当由顾客进行了使视觉障碍者用语音输出部启动的操作时，执行视觉障碍者用语音输出部的音量调节处理，在以后的处理时，通过视觉障碍者用语音输出部输出在音量调节处理中决定的输出功率的语音信号，来引导顾客的操作。
顾客操作终端以及使用程序

[发明专利]语音与图像同步性的衡量方法及装置-CN202111057976.9在审
发明人：王淳;曾定衡;王洪斌;吴海英;周迅溢;蒋宁 -专利权人：马上消费金融股份有限公司
申请日： 2021-09-09 - 公布日： 2022-05-10 - 主分类号： H04N17/00 文献下载
摘要：本申请提供一种语音与图像同步性的衡量方法及装置，该方法包括：获取视频中的语音片段和图像片段，语音片段与图像片段在视频中具有对应关系；根据图像片段生成目标人物的轮廓图，轮廓图与目标人物的个体特征无关；通过语音神经网络获得语音片段的语音特征；通过视觉神经网络获得轮廓图的视觉特征；根据语音特征与视觉特征，确定语音片段与图像片段是否具有同步性。在将图像片段输入视觉神经网络之前，通过先对图像片段进行处理，去除图像片段中与人物个体相关的特征，再将对图像片段处理后得到的图像数据输入视觉神经网络。这样，通过视觉神经网络获取的视觉特征就不再携带有说话人自身的特征，进而能够提高语音与图像同步性衡量的准确性。
语音图像同步衡量方法装置

[发明专利]语音活性检测方法和装置-CN202010607791.X在审
发明人：邓建凯;甘津瑞;张顺;吴卫 -专利权人：苏州思必驰信息科技有限公司
申请日： 2020-06-29 - 公布日： 2020-10-09 - 主分类号： G10L15/22 文献下载
摘要：本发明公开一种语音活性检测方法和装置，其中，语音活性检测方法，包括：响应于检测到用户的第一语音，缓存所述第一语音；响应于接收到视觉检测模型的开始消息，向语音识别系统发送缓存的所述第一语音，其中，所述视觉检测模型在检测到所述用户的嘴巴张开时发送开始消息；实时采集所述用户后续的第二语音并持续将所述第二语音发送给所述语音识别系统直至接收到所述视觉检测模型的结束消息，其中，所述视觉检测模型在检测到所述用户的嘴巴闭合之后发送所述结束消息，通过语音与视觉融合从而实现了精准断句与精确区分多用户说话的场景下的多用户区分
语音活性检测方法装置

[发明专利]一种基于人脸识别和语音控制的智能迎宾机器人-CN201710482517.2在审
发明人：宋永端;李攀飞;赖俊峰;张云福;张子涛;刘永;杨琳 -专利权人：星际（重庆）智能装备技术研究院有限公司
申请日： 2017-06-22 - 公布日： 2017-09-15 - 主分类号： B25J11/00 文献下载
摘要：本发明公开了一种基于人脸识别和语音控制的智能迎宾机器人，包括语音模块，视觉模块，语音控制模块，传感和避障模块、以及运动控制模块；所述语音模块包括语音输入模块、语音识别模块、对话管理模块、语音合成模块和语音输出模块；所述视觉模块包括人脸识别模块和视觉跟踪模块；所述传感和避障模块包括障碍检测模块和定位信息模块；本发明基于人脸识别和语音控制的智能迎宾机器人，其集语音识别和人脸识别于一体，能通过语音模块实现人机语音对话，能通过视觉模块识别顾客，并且能通过语音控制机器人的动作和运动规划，跟踪目标物，智能化程度高。
一种基于识别语音控制智能迎宾机器人

[发明专利]一种充分利用视觉与语音联系的视听语音增强方法及系统-CN202110716972.0在审
发明人：李腾;王晓龙;王妍 -专利权人：安徽大学
申请日： 2021-06-28 - 公布日： 2021-10-01 - 主分类号： G10L21/02 文献下载
摘要：一种充分利用视觉与语音联系的视听语音增强方法及系统，属于语音信号处理技术领域，解决如何利用视觉与语音之间的内在联系，在现实中嘈杂的语音环境中实现对目标语音信息进行增强的问题；在语音特征和视觉特征融合之前，通过BLSTM对视觉特征进行初次利用，由此得到的目标的二进制掩码和原始的噪声幅度谱图获取的语音特征相融合从而得到干净幅度二进制掩码，将此幅度掩码代替基本框架中的视觉特征和语音特征一起馈入BLSTM和全连接层组成的训练网络；同时在基础的增强网络之上，基于频域，加入后置相位子网络，利用语音的幅度和相位在结构上相关性，获取增强相位谱图和幅度谱图相融合使得语音增强效果更佳，提高了增强后语音清晰度，降低语音失真率。
一种充分利用视觉语音联系视听增强方法系统

[发明专利]语音生成方法、装置、电子设备-CN202210183874.X有效
发明人：智鹏鹏;陈昌滨 -专利权人：北京世纪好未来教育科技有限公司
申请日： 2022-02-28 - 公布日： 2022-05-17 - 主分类号： G10L13/02 文献下载
摘要：本公开提供一种语音生成方法、装置及电子设备，包括：根据目标视频的视频数据，确定视觉特征，并根据目标视频的音频数据，确定语音特征与语音特征的隐变量特征，根据视觉特征、语音特征、隐变量特征，确定目标视频的增益特征，并根据视觉特征、增益特征，确定目标视频的合成语音。本公开可以提高合成语音的生动性、自然性，以达到提升语音合成质量的效果。
语音生成方法装置电子设备

[发明专利]一种多模态驾驶员情感特征识别方法及系统-CN202210211060.2在审
发明人：陈首彦;孙欣琪;朱大昌;张铭焰 -专利权人：广州大学
申请日： 2022-03-03 - 公布日： 2022-06-03 - 主分类号： G10L25/63 文献下载
摘要：本发明涉及多模态识别领域，具体为一种用于驾驶员情绪判断的多模态情感特征识别方法及系统，其核心的方法在于，通过识别模块对上述信息进行识别，其中包括对上述视觉信息及语音信息进行数据预处理，分别形成视觉识别信息和语音识别信息；将上述视觉识别信息和语音识别信息分别输入视觉下人脸表情特征识别模型和语音情感特征识别模型，分别得到视觉特征向量和语音特征向量，将视觉特征向量和语音特征向量输入双模态情感特征识别模型，获得决策级融合的情感识别结果
一种多模态驾驶员情感特征识别方法系统

[实用新型]一种图书获得语音的系统-CN201120529302.X有效
发明人：刘森 -专利权人：东莞市永正电子图书科技有限公司
申请日： 2011-12-17 - 公布日： 2012-09-12 - 主分类号： G09B5/04 文献下载
摘要：一种图书获得语音的系统，涉及电子感应定位、语音播放技术。包括图书、语音卡及定位发声设备，所述语音卡存储有与图书中视觉相对应的语音信息，所述定位发声设备将图书中任一位置的视觉信息与语音卡中该视觉信息对应的语音信息进行对应，在触笔点击图书的某一位置后，能够将相应位置的内容以语音形式播放有益效果在于：只要点击图书中的视觉信息，系统就能准确地播放出其所对应的语音，从而具有很好的互动性。使用极其简单，尤其适宜儿童学习娱乐使用，使其更快地领会图书中的内容。
一种图书获得语音系统

[发明专利]一种免唤醒的语音识别方法、装置、设备及存储介质-CN202210887096.2在审
发明人：何川延 -专利权人：惠州市德赛西威汽车电子股份有限公司
申请日： 2022-07-26 - 公布日： 2023-03-07 - 主分类号： G10L15/22 文献下载
摘要：本发明公开了一种免唤醒的语音识别方法、装置、设备及存储介质。该方法包括：通过视觉传感器采集用户的视觉信息，根据视觉信息确定视线注视事件对应的视线注视起止时间；通过语音传感器采集用户的语音信息，根据语音信息确定语音检测事件对应的语音检测起止时间；根据视线注视起止时间和语音检测起止时间确定视线注视事件和语音检测事件的时间重合度；根据时间重合度对语音信息进行语音识别确定语音识别结果，实现免唤醒的语音识别方法，提升用户的使用体验。
一种唤醒语音识别方法装置设备存储介质

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 100000 条