“G10L17/02”专利分类搜索_专利查询_文献下载_出售_求购_买卖_交易

钻瓜专利网为您找到相关结果685个，建议您升级VIP下载更多相关专利

[发明专利]一种基于GRU的音频防拼接检测方法及系统-CN201911063314.5有效
发明人：曾志先;肖龙源;李稀敏;蔡振华;刘晓葳 -专利权人：厦门快商通科技股份有限公司
申请日： 2019-10-31 - 公布日： 2022-12-06 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种基于GRU的音频防拼接检测方法及系统，其通过提取所述音频样本的声纹特征数据；对声纹特征数据进行标注标签，将拼接点的前M个数据帧和后N个数据帧标注为拼接数据的标签，将其他数据帧标注为非拼接数据的标签；将声纹特征数据及其对应的标签输入预设的GRU神经网络识别模型进行迭代训练，得到声纹识别模型；获取用户输入的待检测音频数据，并提取所述待检测音频数据的声纹特征数据，作为待检测声纹特征数据；基于声纹识别模型对待检测声纹特征数据进行识别，得到待检测声纹特征数据所属的标签；从而判定待检测音频数据为拼接音频或非拼接音频；能够快速、准确的识别拼接音频，防止误识别，提高声纹识别的安全性和准确率。
一种基于 gru 音频拼接检测方法系统

[发明专利]一种声纹模型管理方法、系统、存储介质及装置-CN201911079140.1有效
发明人：杨铭灿;肖龙源;刘翔鹏;李稀敏;蔡振华;刘晓葳 -专利权人：厦门快商通科技股份有限公司
申请日： 2019-11-07 - 公布日： 2022-12-06 - 主分类号： G10L17/02 文献下载
摘要：本发明提供一种声纹模型管理方法、系统、存储介质及装置，该方法包括：当接收到声纹注册请求时，获取待注册的声纹模型；根据所述待注册的声纹模型的唯一标识，确定所述待注册的声纹模型对应的注册响应分片；将所述待注册的声纹模型转发至所述注册响应分片中进行注册；基于预设的一致性协议，将所述待注册的声纹模型同步到所述注册响应分片的其它副本中进行注册。本发明通过采用分片技术，将声纹模型注册于引擎内存的分片中，并基于预设的一致性协议将该声纹模型同步到该分片的其它副本当中，这样就可以通过添加机器数量来满足数据规模的增长，而无需升级机器配置，并且通过预设的一致性协议来保证分片及其副本之间数据的高度一致性和可用性。
一种声纹模型管理方法系统存储介质装置

[发明专利]声纹识别方法、系统、移动终端及存储介质-CN202010020758.7有效
发明人：洪国强;肖龙源;李稀敏;蔡振华;刘晓葳;谭玉坤 -专利权人：厦门快商通科技股份有限公司
申请日： 2020-01-09 - 公布日： 2022-12-06 - 主分类号： G10L17/02 文献下载
摘要：本发明提供了一种声纹识别方法、系统、移动终端及存储介质，该方法包括：获取样本数据，根据本地预设音素对样本数据进行音素提取，得到样本语音段及样本语音段对应的用户标识；根据样本语音段和用户标识对声纹识别模型进行声纹注册，并获取待识别语音；将待识别语音输入声纹识别模型，并控制声纹识别模型对待识别语音中的待识别音素与样本语音段进行声纹匹配，得到匹配结果；当判断到匹配结果满足输出条件时，根据匹配结果查询目标用户标识，并将目标用户标识进行输出。本发明通过基于音素的提取进行声纹注册，以采用音素匹配的方式进行待识别语音的声纹识别，有效的提高了声纹识别的识别效率和准确性。
声纹识别方法系统移动终端存储介质

[发明专利]号码状态识别方法及装置、计算机可读存储介质、终端-CN202211021184.0在审
发明人：陈逸飞;吕强;李铁铮 -专利权人：上海上湖信息技术有限公司
申请日： 2022-08-24 - 公布日： 2022-12-02 - 主分类号： G10L17/02 文献下载
摘要：一种号码状态识别方法及装置、计算机可读存储介质、终端，所述号码状态识别方法，包括：在外呼电话未接通时，抓取所述外呼电话的语音流；将所述语音流输入至声纹识别模型进行声纹识别，得到所述语音流对应的声纹特征，其中，所述声纹识别模型从所述语音流中提取原始音频信号特征以及时频特征，对所述原始音频信号特征及时频特征进行融合，基于融合结果得到所述声纹特征；将所述声纹特征与声纹数据库中预设的声纹样本进行相似度比对，基于相似度比对结果得到识别结果；基于所述识别结果确定所述外呼电话的号码状态类别。上述方案能够提高号码状态识别的有效性和时效性。
号码状态识别方法装置计算机可读存储介质终端

[发明专利]目标声音确定方法、装置、计算机设备和介质-CN202211122041.9有效
发明人：戴志涛;吴蕊珠 -专利权人：深圳市水世界信息有限公司
申请日： 2022-09-15 - 公布日： 2022-12-02 - 主分类号： G10L17/02 文献下载
摘要：本发明提供了一种目标声音确定方法、装置、计算机设备和介质，包括：接收耳机佩戴者的第一声音信号和周围人声的第二声音信号；判断是否存在对话场景；若存在对话场景，则利用语音识别将第一声音信号内容转换成第一文本，将第二声音信号内容转化成第二文本；计算第一文本和第二文本之间的相似度；若相似度超过阈值，则将第二文本所属人声作为目标声音信号；根据预设参数，调整目标声音信号。对比第一文本和第二文本的相似度，若两者的相似度超过了阈值，说明第一文本和第二文本的关联性强，因此判断第二文本所属的第二声音信号就是与耳机佩戴者对话的目标声音信号，根据这一结果，放大目标声音信号，使耳机佩戴者听清目标对话人的声音内容。
目标声音确定方法装置计算机设备介质

[发明专利]模型训练的方法、声纹识别的方法、系统、设备及介质-CN201911256610.7有效
发明人：任君;罗超;胡泓 -专利权人：携程计算机技术（上海）有限公司
申请日： 2019-12-10 - 公布日： 2022-11-29 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种模型训练的方法、声纹识别的方法、系统、设备及介质，其中模型训练的方法，包括以下步骤：获取多个客户的音频数据；将音频数据进行预处理转化为具有预设音频时长的待训练音频数据；从待训练音频数据中筛选出每个客户对应的三元组音频数据输入卷积神经网络模型中进行训练；其中，三元组音频数据包括第一音频数据、第二音频数据以及第三音频数据，卷积神经网络模型使用的损失函数包括第一损失函数和第二损失函数。本发明利用第一损失函数和第二损失函数对神经网络模型进行联合优化，提高了利用模型对客户来电语音的声纹识别的准确度。
模型训练方法声纹识别系统设备介质

[发明专利]声纹信息提取方法、装置、电子设备及存储介质-CN202210907481.9在审
发明人：黎荣晋;陈东鹏 -专利权人：深圳市声扬科技有限公司
申请日： 2022-07-29 - 公布日： 2022-11-25 - 主分类号： G10L17/02 文献下载
摘要：本申请公开了一种声纹信息提取方法、装置、电子设备及存储介质。方法包括：通过声纹提取模型对目标语音信息进行处理，得到对应目标语音信息的目标协方差、目标方差以及目标均值；通过声纹提取模型中的双线性参数层对目标协方差进行降维处理，得到目标一维数据；对目标方差、目标均值以及目标一维数据进行拼接操作，得到目标拼接结果；通过声纹提取模型对目标拼接结果进行处理，得到对应目标语音信息的声纹信息。在本申请中，目标协方差准确的表征了目标语音信息的时间维度与频率维度的特征信息，从而使得目标拼接结果可以准确的表征目标语音信息的声纹特征，进而提高了提取的声纹信息的准确率。
声纹信息提取方法装置电子设备存储介质

[发明专利]声纹提取模型的训练方法、提取方法及电子设备-CN202210907483.8在审
发明人：黎荣晋;陈东鹏 -专利权人：深圳市声扬科技有限公司
申请日： 2022-07-29 - 公布日： 2022-11-25 - 主分类号： G10L17/02 文献下载
摘要：本申请公开了一种声纹提取模型的训练方法、声纹提取方法、电子设备及存储介质。声纹提取模型的训练方法包括：通过初始模型对多个音频帧进行特征提取，得到多个帧特征；根据多个帧特征，得到协方差矩阵、方差以及均值；通过初始模型中的一维卷积层对述协方差矩阵进行降维处理，并对降维后的结果进行矢量化操作，得到一维预处理数据；对方差、均值以及一维预处理数据进行拼接操作，得到拼接结果；根据拼接结果对初始模型模型进行训练，得到声纹提取模型。在本申请中，协方差矩阵准确的表征了样本语音信息的时间维度与频率维度的特征信息，从而使得拼接结果可以准确的表征样本语音信息的声纹特征，进而提高了声纹提取模型的声纹提取准确率。
声纹提取模型训练方法电子设备

[发明专利]用于优化语音生成模型的方法、装置、设备和计算机介质-CN201910853333.1有效
发明人：欧阳能钧 -专利权人：阿波罗智联（北京）科技有限公司
申请日： 2019-09-10 - 公布日： 2022-11-25 - 主分类号： G10L17/02 文献下载
摘要：本申请实施例公开了用于优化语音生成模型的方法、装置、设备和计算机介质。该方法的一具体实施方式包括：在用户与智能设备进行语音交互期间，获取用户发出的语音指令；从语音指令中提取用户的声纹特征值，添加到特征值集合中；若特征值集合中的声纹特征值的数量达到预设阈值，基于特征值集合中的声纹特征值对现有语音生成模型进行优化。该实施方式能够迭代地更新语音生成模型而不必专门收集用户的声纹，使得智能设备播报出来的声音与用户越来越相近。
用于优化语音生成模型方法装置设备计算机介质

[发明专利]一种会议场景下的说话内容的显示方法和装置-CN202211000980.6在审
发明人：王斌;王乾坤;穆维林;杨晶生 -专利权人：北京字跳网络技术有限公司
申请日： 2022-08-19 - 公布日： 2022-11-22 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种会议场景下的说话内容的显示方法和装置，所述方法包括：响应于终端设备的会议应用开启的声纹识别功能，在接收说话人的音频流的过程中，基于声纹识别技术识别当前音频片段中说话人的身份信息，所述当前音频片段是所述音频流的至少一部分音频，对所述当前音频片段进行语音识别得到内容信息；关联显示所述说话人的身份信息以及所述内容信息。本技术方案可实时地识别并显示当前音频片段的说话人和内容信息，从而实现了会议中说话人身份和说话内容的实时展示，提高了会议质量和用户的参会体验。
一种会议场景说话内容显示方法装置

[发明专利]语音提取方法、神经网络模型训练方法、装置及存储介质-CN202211037918.4有效
发明人：刘文璟;谢川;谭斌;展华益 -专利权人：四川启睿克科技有限公司
申请日： 2022-08-29 - 公布日： 2022-11-15 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种语音提取方法、神经网络模型训练方法、装置及存储介质，该方法包括：采集待提取的多说话人混叠的语音数据和目标说话人的声纹注册语音数据；将待提取的多说话人混叠的语音数据输入语音编码网络，获取混叠语音的时间序列表征；将目标说话人的声纹注册语音数据输入说话人编码网络，获取目标说话人的声纹特征；将混叠语音的时间序列表征和目标说话人的声纹特征同时输入说话人提取网络，对多说话人混叠的语音数据中属于目标说话人的语音时间序列表征进行提取；将提取出的目标说话人语音时间序列表征输入的语音解码网络，还原目标说话人的时域语音信号。本发明能够精确有效地从多说话人的混叠语音中提取出目标说话人的语音。
语音提取方法神经网络模型训练装置存储介质

[发明专利]基于Fbank特征和MFCC特征融合的声纹识别方法-CN202110586134.6有效
发明人：周后盘;赵将焜 -专利权人：杭州电子科技大学
申请日： 2021-05-27 - 公布日： 2022-11-15 - 主分类号： G10L17/02 文献下载
摘要：本发明公开了一种基于Fbank特征和MFCC特征融合的声纹识别方法，本发明先对于语音数据集进行预处理，提取Fbank特征和MFCC特征；将得到40维Fbank特征和12维MFCC特征的基础上进行特征融合。本发明在广义端到端模型上进行实验，相比单独的Fbank和MFCC特征，本发明提出的特征融合方法优于单独的特征。本发明的特征融合方法降低了特征维度、降低了冗余、减少了存储空间以及训练复杂度。
基于 fbank 特征 mfcc 融合声纹识别方法

[发明专利]说话者身份验证方法及系统-CN202010705582.9有效
发明人：钱彦旻;陈正阳;王帅 -专利权人：思必驰科技股份有限公司
申请日： 2020-07-21 - 公布日： 2022-11-11 - 主分类号： G10L17/02 文献下载
摘要：本发明公开一种说话者身份验证方法，包括：获取所述说话者的音频数据和面部图像数据；从所述音频数据中提取语音特征嵌入，从所述面部图像数据中提取面部特征嵌入；根据所述语音特征嵌入和所述面部特征嵌入确定身份特征嵌入，以用于进行说话者身份验证。本发明提出了一种使用多模态的信息(来自人脸和声音)来进行人身份验证的一种方案，避免了单一模态下容易受到外部因素影响而无法进行身份验证的问题，提升了进行身份验证的成功率。
说话身份验证方法系统

[发明专利]一种基于云—边缘协同架构的会议记录方法及系统-CN202110570403.X有效
发明人：周晓天;翟华振;张海霞;袁东风 -专利权人：山东大学
申请日： 2021-05-25 - 公布日： 2022-11-04 - 主分类号： G10L17/02 文献下载
摘要：本发明涉及一种基于云—边缘协同架构的会议记录方法及系统，该系统包括云服务器、边缘服务器和多个客户端；会议前首先构建参与者音频数据集，训练声纹识别模型。会议时客户端录制会议视频或音频，然后上传音频到边缘服务器，边缘服务器使用声纹识别结果对音频进行分割，然后上传到云服务器进行语音识别，最终由边缘服务器汇总识别结果并整理为ASS或SRT标准字幕文件和文本文件并返回客户端，实现会议记录。该记录方法可以提高会议记录的准确率、安全性和隐私性。
一种基于边缘协同架构会议记录方法系统

[发明专利]语音处理的方法、装置、电子设备和介质-CN202210939799.5在审
发明人：董林昊;梁镇麟;范志赟;刘艺;马泽君 -专利权人：北京有竹居网络技术有限公司
申请日： 2022-08-05 - 公布日： 2022-11-01 - 主分类号： G10L17/02 文献下载
摘要：本公开的实施例涉及语音处理的方法、装置、电子设备和介质。方法包括基于目标语音数据的帧级别声学特征，生成目标语音数据的字符级别语义特征。方法还包括基于帧级别声学特征，生成目标语音数据的字符级别声纹特征。方法还包括基于字符级别语义特征和字符级别声纹特征，确定目标语音数据中的发生说话人转换的字符。根据本公开的实施例，结合说话人的声学特征和语音内容，在字符级别上来检测语音数据中的说话人转换，不需要后期处理就能够直接输出基于说话人的语音识别结果，简化了语音识别过程。
语音处理方法装置电子设备介质