申请/专利权人:北京捷通华声科技股份有限公司
申请日:2024-01-15
公开(公告)日:2024-04-12
公开(公告)号:CN117877461A
主分类号:G10L13/027
分类号:G10L13/027;G10L13/08;G06F16/635;G06V40/16;G06N3/08
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本申请提供了一种音频的生成方法、计算机可读存储介质和音频生成系统。该方法包括:获取人脸图像;采用目标算法根据人脸图像生成初始音频;根据人脸图像进行特征识别,得到人物情感和人物性格;构建语音合成模型,其中,语音合成模型是使用多组训练数据训练得到的,多组训练数据中的每一组训练数据均包括历史时间段内获取的历史初始音频,历史人物情感,历史人物性格,历史初始音频、历史人物情感和历史人物性格对应的历史目标音频;将初始音频、人物情感和人物性格输入至语音合成模型,得到初始音频、人物情感和人物性格对应的目标音频。该方法解决了现有技术中目前的人脸生成的声音不够丰富,难以得到个性化的声音的问题。
主权项:1.一种音频的生成方法,其特征在于,包括:获取人脸图像;采用目标算法根据所述人脸图像生成初始音频,其中,所述目标算法包括GAN、RNN、LSTM和BERT中的一种或者多种;根据所述人脸图像进行特征识别,得到人物情感和人物性格;构建语音合成模型,其中,所述语音合成模型是使用多组训练数据训练得到的,所述多组训练数据中的每一组训练数据均包括历史时间段内获取的历史初始音频,历史人物情感,历史人物性格,所述历史初始音频、所述历史人物情感和所述历史人物性格对应的历史目标音频;将所述初始音频、所述人物情感和所述人物性格输入至所述语音合成模型,得到所述初始音频、所述人物情感和所述人物性格对应的目标音频。
全文数据:
权利要求:
百度查询: 北京捷通华声科技股份有限公司 音频的生成方法、计算机可读存储介质和音频生成系统
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。