[发明专利]一种多模态语音端点检测方法及装置有效
| 申请号： | 202010454932.9 | 申请日： | 2020-05-26 |
| 公开（公告）号： | CN111768760B | 公开（公告）日： | 2023-04-18 |
| 发明（设计）人： | 刘高成 | 申请（专利权）人： | 云知声智能科技股份有限公司;厦门云知芯智能科技有限公司 |
| 主分类号： | G10L15/05 | 分类号： | G10L15/05;G10L25/78 |
| 代理公司： | 北京冠和权律师事务所 11399 | 代理人： | 安琪 |
| 地址： | 100000 北京市海*** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种多模态语音端点检测方法及装置，方法包括：获取待检测的视频信息，并对所述视频信息进行处理，以得到带有时间戳的音频信息和图像信息；对所述图像信息中的每一帧图片进行人物对象的检测，并将检测到人物对象的目标帧图片按照人物对象分类存储成按时间顺序排列的目标图片序列；从每个人物对象的所述目标图片序列中提取视觉信息的特征编码，并按照所述目标图片序列的时间戳获取与其时间戳对应的目标音频信息；从所述目标音频信息中提取语音信息的特征编码；将所述视觉信息的特征编码和语音信息的特征编码进行融合，得到融合的多模态特征编码；将所述融合的多模态特征编码输入至分类器中，以得到每个人物对象的语音活动分类结果。 | ||
| 搜索关键词： | 一种 多模态 语音 端点 检测 方法 装置 | ||
【主权项】：
暂无信息
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于云知声智能科技股份有限公司;厦门云知芯智能科技有限公司，未经云知声智能科技股份有限公司;厦门云知芯智能科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/202010454932.9/，转载请声明来源钻瓜专利网。
