申请/专利权人:艾塔(深圳)智能信息有限公司
申请日:2023-07-28
公开(公告)日:2023-11-28
公开(公告)号:CN117133316A
主分类号:G10L25/57
分类号:G10L25/57;G10L25/03;G10L25/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2023.12.15#实质审查的生效;2023.11.28#公开
摘要:本申请提供一种数字人的唇音同步方法,涉及音频处理技术领域。该方法包括:对包含音调特征和停顿特征的音频数据切块、加窗,得到若干音频数据块;依次提取各个音频数据块中每个音频信号采样点的频率、音调、停顿特征;将各个所述音频数据块及当前所述音频数据块的每个音频信号采样点的频率、停顿及音调特征作为多序列卷积网络的输入进行训练,得到多组目标特征向量;在音频合成时,查找与频率、停顿、音调特征匹配度最高的所述目标,特征向量,并关联所述音频特征关联的视频图片,生成唇音同步视频。本申请的方法,提高了唇音同步的音视频效果。
主权项:1.一种数字人的唇音同步方法,其特征在于,包括:对包含音调特征和停顿特征的音频数据切块、加窗,得到若干音频数据块;依次提取各个音频数据块中每个音频信号采样点的频率、音调、停顿特征;将各个所述音频数据块及当前所述音频数据块的每个音频信号采样点的频率、停顿及音调特征作为多序列卷积网络的输入进行训练,得到多组目标特征向量;在音频合成时,查找与频率、停顿、音调特征匹配度最高的所述目标,特征向量,并关联所述音频特征关联的视频图片,生成唇音同步视频。
全文数据:
权利要求:
百度查询: 艾塔(深圳)智能信息有限公司 一种数字人的唇音同步方法及装置、设备及存储介质
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。