“G10L13/04”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393个，建议您升级VIP下载更多相关专利

[发明专利]一种语音词典生成方法、设备及计算机可读存储介质-CN202010136474.4有效
发明人：林凤绿;康魏;雷欣;李志飞 -专利权人：问问智能信息科技有限公司
申请日： 2020-03-02 - 公布日： 2023-10-27 - 主分类号： G10L13/04 文献下载
摘要：本发明公开了一种语音词典生成方法、设备及计算机可读存储介质，所述方法包括：获得语音词典，所述语音词典包含若干语音词条，所述语音词条对应有发音信息；根据分类规则对所述若干语音词条进行分类，获得若干分类词典，每一个所述分类词典包含同一分类的语音词条。应用本发明实施例提供的词典生成方法，能够获得具有领域针对性的语音词典，解决了语音词典缺少领域细分和针对性差的问题。
一种语音词典生成方法设备计算机可读存储介质

[发明专利]音频生成方法及装置、存储介质-CN202010039094.9有效
发明人：刘佳泽;罗忠岚 -专利权人：广州酷狗计算机科技有限公司
申请日： 2020-01-14 - 公布日： 2023-10-27 - 主分类号： G10L13/04 文献下载
摘要：本申请公开一种音频生成方法及装置、存储介质，属于电子技术应用领域。该方法包括：在音频配置界面中，接收用户触发的第一音频生成指令，该第一音频生成指令携带目标文本、第一音频参数和第一音乐标识，第一音乐标识指示第一背景音乐；根据第一音频参数，将目标文本转换为第一音频；根据第一音乐标识，从背景音乐库中获取第一背景音乐；将第一音频与第一背景音乐合成，得到第一目标音频。本申请有助于提高音频生成的灵活性。
音频生成方法装置存储介质

[发明专利]信息处理方法、装置、车辆和计算机存储介质-CN202010589864.7有效
发明人：丁磊;郭刘飞;黄骏;周宏波;郭昊 -专利权人：华人运通（上海）云计算科技有限公司
申请日： 2020-06-24 - 公布日： 2023-10-20 - 主分类号： G10L13/04 文献下载
摘要：本申请公开了一种信息处理方法，应用于车辆，所述车辆中安装有车载应用，并且所述车辆中安装有语音合成TTS引擎，包括：车载应用获取待转换信息，将所述待转换信息转换为携带目标声音风格的信息；所述车载应用将所述携带目标声音风格的信息发送给TTS引擎，以通过所述TTS引擎对所述携带目标声音风格的信息进行音频合成并输出合成的音频信息。
信息处理方法装置车辆计算机存储介质

[发明专利]一种基于嵌入式系统的端到端语音合成网络-CN202111035763.6有效
发明人：李相 -专利权人：大连理工大学
申请日： 2021-09-06 - 公布日： 2023-10-13 - 主分类号： G10L13/04 文献下载
摘要：本发明属于嵌入式计算机技术领域，提供一种基于嵌入式系统的端到端语音合成网络，文字通过编解码，生成梅尔谱图，然后将图片通过声码器转换成语音文件。同时，在保证语音质量没有显著衰减的情况下，提高推理速度，做到实时，最后部署在嵌入式平台上面。采用该端到端网络，使用最新神经网络的方法，在减少参数和模型计算量的情况下，能够将推理速度大幅提高，并且通过前馈一个韵律编码器，达到韵律可调的作用。将文字通过前端编解码部分，生成梅尔谱图，之后通过声码器转为语音文件。即端到端的方法。该方法能够高效实时的合成音频，从而部署在地铁嵌入式平台上面。
一种基于嵌入式系统端到端语音合成网络

[发明专利]语音播放方法、装置、计算机设备及计算机可读存储介质-CN202010139967.3有效
发明人：张国超;王海瑞;苏少炜;陈孝良 -专利权人：北京声智科技有限公司
申请日： 2020-03-03 - 公布日： 2023-09-26 - 主分类号： G10L13/04 文献下载
摘要：本公开提供了一种语音播放方法、装置、计算机设备及计算机可读存储介质，属于语音处理技术领域。所述方法包括：接收目标书籍的音频资源获取请求，基于目标书籍的角色对应的不同音色模型和目标书籍中不同角色对应的文本内容，获取目标书籍的音频资源，并基于获取到的音频资源进行语音播放。对于目标书籍中不同角色对应的文本内容，获取音频资源时使用的是角色对应的不同音色模型，进而可以在语音播放时使用不同的声音来对不同的角色对应的文本内容进行播放，从而能够使得不同角色的文本内容能够以不同的听觉效果来展示给用户，可以便于用户对目标书籍中各个角色进行区分，提高用户体验。
语音播放方法装置计算机设备可读存储介质

[发明专利]语音转换及相应的模型训练方法、装置、设备及存储介质-CN202011375355.0有效
发明人：王俊超;陈昌滨;袁俊;聂志朋 -专利权人：北京百度网讯科技有限公司
申请日： 2020-11-30 - 公布日： 2023-09-22 - 主分类号： G10L13/04 文献下载
摘要：本申请公开了一种语音转换及相应的模型训练方法、装置、设备及存储介质，涉及机器学习与智能语音等人工智能技术领域。具体实现方案为：基于源语音的音频，提取源语音的特征信息；基于所述源语音的特征信息和要转换的目标音色信息，采用预先训练的语音转换模型，生成目标语音的声学特征信息；基于所述目标语音的声学特征信息，采用预先训练的声码器，合成目标语音的音频。本申请能够避免语音转换中信息的损失，有效地提高合成的目标语音的音频的准确性。
语音转换相应模型训练方法装置设备存储介质

[发明专利]融合增强编码模块和LGNet网络的编-解码器结构的跨语种语音转换方法-CN202310970560.9在审
发明人：李燕萍;潘磊;杨泽宇 -专利权人：南京邮电大学
申请日： 2023-08-02 - 公布日： 2023-09-19 - 主分类号： G10L13/047 文献下载
摘要：本发明公开一种融合增强编码模块和LGNet网络的编‑解码器结构的跨语种语音转换方法，包括训练阶段和转换阶段，训练阶段中编码器对声学特征解纠缠，获得说话人信息表征和内容表征；编码器和解码器之间采用U型连接，将说话人信息表征从编码器传递到解码器；LGNet网络对提取的内容表征进一步优化；解码器将获取的说话人信息表征和优化后的内容表征进行重构；本发明在编码器中引入增强编码模块，提升了转换语音的质量；利用LGNet网络使得优化后的源语句的内容表征和目标语句的说话人信息表征在解码器中的自适应实例归一化层中充分融合，进一步提高转换语音的自然度和说话人相似度从而实现高质量的跨语种语音转换。
融合增强编码模块 lgnet 网络解码器结构语种语音转换方法

[发明专利]生成多样且自然的文本到语音样本-CN202280012215.8在审
发明人：张羽;布瓦那·拉马巴德兰;安德鲁·罗森伯格;吴永辉;比扬哈·春;罗恩·维斯;曹园 -专利权人：谷歌有限责任公司
申请日： 2022-01-21 - 公布日： 2023-09-19 - 主分类号： G10L13/047 文献下载
摘要：一种生成多样且自然的文本到语音(TTS)样本的方法(400)包括使用TTS模型(200)基于接收到的文本(152)生成语音样本(154)。训练过程通过接收训练样本(162)来训练TTS模型来生成语音样本，每个训练样本包括频谱图(166)和与频谱图相对应的训练文本(164)。对于每个训练样本，训练过程标识与训练文本相关的语音单元。对于每个语音单元，训练过程生成语音嵌入(e)，将语音嵌入与频谱图的一部分对齐，从对齐部分提取潜在特征(212)，并将量化嵌入(q)指配给潜在特征。训练过程通过解码与对应于频谱图的训练文本相关联的语音单元的语音嵌入和量化嵌入的连结(230)来生成语音样本。
生成多样自然文本语音样本

[发明专利]音频处理方法、终端及计算机可读存储介质-CN202011373395.1有效
发明人：常磊 -专利权人：努比亚技术有限公司
申请日： 2020-11-30 - 公布日： 2023-09-19 - 主分类号： G10L13/047 文献下载
摘要：本申请提供了一种音频处理方法，应用于第一终端，所述第一终端包括音频处理模块，所述音频处理方法包括：所述第一终端获取音频信息，并通过所述音频处理模块对所述音频信息进行预设处理，得到目标音频信息；所述第一终端将所述目标音频信息发送给第二终端，以供所述第二终端对所述目标音频信息进行预设操作；其中所述第二终端与所述第一终端通过预设通信协议建立通信连接。本申请还提供了一种终端和计算机可读存储介质。此种方式利用第一终端的音频处理模块对音频信息进行预设处理使得经过预设处理得到的目标音频信息效果更好，进而第二终端可以获取目标音频信息并对其进行预设操作。
音频处理方法终端计算机可读存储介质

[发明专利]播报文本的确定方法、装置、设备和介质-CN202010478790.X有效
发明人：向伟;刘嵘 -专利权人：阿波罗智联（北京）科技有限公司
申请日： 2020-05-29 - 公布日： 2023-09-15 - 主分类号： G10L13/047 文献下载
摘要：本申请实施例公开了一种播报文本的确定方法、装置、设备和介质，涉及语音技术，其中，该方法包括：响应于语音服务启动指令，获取目标语音类型；将与目标语音类型匹配的播报内容信息，加载至运行内存中；响应于检测到与目标播报场景对应的播报触发条件，从运行内存中获取与目标播报场景匹配的播报文本。本申请实施例通过响应于语音服务启动指令，获取目标语音类型，并将与目标语音类型匹配的播报内容信息加载至运行内存中，最终从运行内存中获取与目标播报场景匹配的播报文本，实现了播报文本的确认，且由于在应用层代码之外存储各发音人或语言的播报内容信息，当需要维护和扩充播报内容信息时，无需修改应用层代码，便于维护与扩充。
播报文本确定方法装置设备介质

[发明专利]一种外呼应答方法、装置、设备及介质-CN202010235873.6有效
发明人：张晨 -专利权人：中国建设银行股份有限公司
申请日： 2020-03-30 - 公布日： 2023-08-22 - 主分类号： G10L13/04 文献下载
摘要：本发明实施例公开了一种外呼应答方法、装置、设备及介质，所述方法包括：当外呼应答指令被触发时，获取所述外呼应答指令对应的待应答语音数据；对所述待应答语音数据进行语义理解，获得所述待应答语音数据对应的目标意图；根据所述目标意图确定所述待应答语音数据对应的目标应答策略，根据所述目标应答策略进行应答。本发明实施例提供的外呼应答方法通过对待应答语音数据进行意图识别，根据识别结果进行应答，实现了自动完成外呼流程，提高了外呼效率。
一种呼应方法装置设备介质

[发明专利]语音合成方法、装置、可读介质及电子设备-CN202010197181.7有效
发明人：殷翔;顾宇 -专利权人：北京字节跳动网络技术有限公司
申请日： 2020-03-19 - 公布日： 2023-08-18 - 主分类号： G10L13/04 文献下载
摘要：本公开涉及一种语音合成方法、装置、可读介质及电子设备，包括：获取用户输入的待复制声音和目标模板，待复制声音为由用户发音的任意长度的声音片段；从待复制声音中提取得到待复制频谱数据；确定与目标模板对应的模板文字信息；根据待复制频谱数据和模板文字信息确定与目标模板和待复制声音中的音色对应的目标频谱数据。这样，能够根据用户输入的任意长度的声音片段即可实现对用户的声音进行复制，并由此来以用户的声音来对文字进行发声，进而实现对文字的朗读或对歌曲的演唱，既无需用户按照限定的内容进行语音输入，而且也无需用户进行长时间的语音输入，在保证声音复制效果的前提下简化了用户声音复制的复杂度。
语音合成方法装置可读介质电子设备

[发明专利]语音环境音效切换方法、装置、电子设备及存储介质-CN202310633192.9在审
发明人：张旭龙;王健宗;程宁 -专利权人：平安科技（深圳）有限公司
申请日： 2023-05-31 - 公布日： 2023-08-04 - 主分类号： G10L13/047 文献下载
摘要：本申请涉及数字医疗技术领域，提供了一种语音环境音效切换方法、装置、电子设备及计算机可读存储介质，方法包括：获取语音输入信号和目标环境语音信号；对语音输入信号和目标环境语音信号进行第一提取处理，得到第一梅尔频谱以及第二梅尔频谱；基于梅尔编码网络模型对第一梅尔频谱进行第二提取处理，得到频谱内容；基于环境音效网络模型对第二梅尔频谱和频谱内容进行音效选定处理，得到音效变量；基于调节适配网络模型对音效变量和频谱内容进行整合处理，得到语音合成信息；基于梅尔解码网络模型对语音合成信息进行解码处理，得到目标梅尔频谱。通过上述技术方案，使得用户在利用智能机器助手进行问诊的过程中给用户带来了良好的使用体验。
语音环境音效切换方法装置电子设备存储介质

[发明专利]基于实时训练的语音重构方法、装置、计算机设备及介质-CN202310640597.5在审
发明人：张旭龙;王健宗;程宁;唐怀朕 -专利权人：平安科技（深圳）有限公司
申请日： 2023-05-31 - 公布日： 2023-08-04 - 主分类号： G10L13/047 文献下载
摘要：本发明涉及人工智能技术领域，尤其涉及一种基于实时训练的语音重构方法、装置、计算机设备及介质。该方法将训练语音切分为第一语音片段和第二语音片段后，分别输入特征编码器，得到第一语音特征和第二语音特征，将训练语音输入滤波编码器，得到滤波特征，将第一语音特征和第二语音特征的均值与滤波特征输入解码器中，得到重构语音，根据第一语音特征、第二语音特征、重构语音和训练语音，对语音重构模型进行训练，基于训练好的语音重构模型对待处理语音进行重构，提高了特征解码的准确率，进而提高了语音重构的准确率，能够提高金融服务平台下机器客服语音的仿真性，进而提高用户在金融服务平台中的用户体验。
基于实时训练语音方法装置计算机设备介质

[发明专利]一种语音合成方法及装置、存储介质-CN201910878228.3有效
发明人：武执政;宋伟 -专利权人：北京京东尚科信息技术有限公司;北京京东世纪贸易有限公司
申请日： 2019-09-17 - 公布日： 2023-08-04 - 主分类号： G10L13/047 文献下载
摘要：本发明实施例公开了一种语音合成方法及装置、存储介质，该方法包括：获取待合成语句的符号序列，待合成语句包括表征目标对象的录音语句和针对目标对象的查询结果语句；利用预设编码模型，对符号序列进行编码处理，得到特征向量集合；获取录音语句对应的录音声学特征；基于预设解码模型、特征向量集合、预设注意力模型和录音声学特征，对待合成语句对应的声学特征进行预测，得到待合成语句对应的预测声学特征，预设注意力模型为利用特征向量集合生成用于解码的上下文向量的模型，预测声学特征由相关联的至少一个声学特征组成；对预测声学特征进行特征转换和合成，得到待合成语句对应的语音。
一种语音合成方法装置存储介质

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 393 条