申请/专利权人：平安科技(深圳)有限公司

申请日：2022-05-12

公开（公告）日：2022-08-16

公开（公告）号：CN114913877A

主分类号：G10L25/51

分类号：G10L25/51;G10L25/03;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2022.09.02#实质审查的生效;2022.08.16#公开

摘要：本发明公开了一种声韵母发音时长预测方法、结构、终端及存储介质。所述方法包括：将文本数据的声韵母数据输入预训练好的声韵母发音时长预测模型，计算得到用于表示文本特征的第一隐状态；将所述第一隐状态映射为均值序列和标准差序列；将所述文本数据对应的音频数据的梅尔谱映射为第二隐状态；基于所述第二隐状态、均值序列和标准差序列，通过时长计算模块计算出所述声韵母数据与梅尔谱之间的对应关系，得到每一个声韵母数据的发音时长。本发明实施例可以有效地减少标注时间与标注成本，同时，考虑了文本与音频对齐的单调性，有效减少了文本与音频对齐重复和对齐遗漏等问题，显著提升了对齐精度。

主权项：1.一种声韵母发音时长预测方法，其特征在于，包括：将文本数据的声韵母数据输入预训练好的声韵母发音时长预测模型，计算得到用于表示文本特征的第一隐状态；将所述第一隐状态映射为均值序列和标准差序列；将所述文本数据对应的音频数据的梅尔谱映射为第二隐状态；基于所述第二隐状态、均值序列和标准差序列，通过时长计算模块计算出所述声韵母数据与梅尔谱之间的对应关系，得到每一个声韵母数据的发音时长。

全文数据：

权利要求：

百度查询： 平安科技(深圳)有限公司 一种声韵母发音时长预测方法、结构、终端及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD