申请/专利权人:苏州奇梦者科技有限公司
申请日:2023-12-19
公开(公告)日:2024-03-15
公开(公告)号:CN117711406A
主分类号:G10L17/02
分类号:G10L17/02;G10L17/04;G10L17/18
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.02#实质审查的生效;2024.03.15#公开
摘要:本发明涉及一种高效低延迟的在线说话人日志系统及其训练方法,从模型结构和模型训练方法着手,对TSVAD模型进行改进,包括利用RepVGG作为TSVAD的骨干网络,在训练时使用多残差支路来最大限度保留模型的非线性,在推理时则融合各残差支路来降低骨干网络的计算复杂度和内存占用;对骨干网络进行声纹预训练,使用类别中心迁移,采用多任务训练策略对TSVAD网络进行微调;从而在有效降低计算量、减小延迟的同时,避免TSVAD骨干模型在训练过程中产生灾难遗忘,并减小训练与推理的不一致性。
主权项:1.一种高效低延迟的在线说话人日志系统,其特征在于:所述系统包括:骨干网络:采用RepVGG网络,由多层具有残差支路的模块堆叠而成;滑动池化层:对骨干网络的输出进行池化,提取帧级别的音色表征,并与参考声纹计算余弦相似度;后验平滑网络:对余弦相似度进行平滑,获得各帧属于参考声纹对应说话人的概率,确认参考说话人的时间边界。
全文数据:
权利要求:
百度查询: 苏州奇梦者科技有限公司 一种高效低延迟的在线说话人日志系统及其训练方法
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。