申请/专利权人：华中科技大学

申请日：2023-05-10

公开（公告）日：2023-10-13

公开（公告）号：CN116884427A

主分类号：G10L21/0208

分类号：G10L21/0208;G10L21/007;G10L25/60;G10L25/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.10.31#实质审查的生效;2023.10.13#公开

摘要：本发明公开了一种基于端到端深度学习语音复刻模型的嵌入向量处理方法，属于基于深度学习端到端的语音处理技术领域。其中方法的实现包括：语音复刻编码器模型从话者的语音样本中提取话者嵌入向量，计算标准语音与话者语音的基频和相似度量值，选取最优的标准语音，以固定步长计算话者语音与标准语音的不同权值比，得到最优权值比，完成声音美颜的处理。以固定步长选取阈值，得到最优置零阈值后，将嵌入向量所有维度中低于置零阈值的维置零，完成小向量阈值置零处理。本发明利用嵌入向量这一工具，进行声音美颜和小向量阈值置零处理，可以显著提高生成语音的音频质量。

主权项：1.一种基于端到端深度学习语音复刻模型的嵌入向量处理方法，其特征在于，包括：建立标准语音库；从所述标准语音库中选择与输入语音相似度最高的标准语音作为参考语音；对所述输入语音的嵌入向量和参考语音的嵌入向量进行加权，再将加权后的嵌入向量中模值小于置零阈值的维置零，作为所述输入语音的最优嵌入向量。

全文数据：

权利要求：

百度查询： 华中科技大学 基于端到端深度学习语音复刻模型的嵌入向量处理方法

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