[发明专利]一种音视频语音增强处理方法及模型在审
| 申请号： | 202110441281.4 | 申请日： | 2021-04-23 |
| 公开（公告）号： | CN112951258A | 公开（公告）日： | 2021-06-11 |
| 发明（设计）人： | 陈航;杜俊;戴礼荣 | 申请（专利权）人： | 中国科学技术大学 |
| 主分类号： | G10L21/02 | 分类号： | G10L21/02;G10L25/03;G10L25/30;G10L25/57 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 陈颖 |
| 地址： | 230026 安*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本申请公开了一种音视频语音增强处理方法及模型，方法包括：从带噪语音中提取出帧级别的音频嵌入数据；从唇部区域的灰度图像序列中提取出帧级别的视频嵌入数据；将音频嵌入数据和视频嵌入数据融合处理为多模态嵌入数据；基于多模态嵌入数据和带噪语音的声学特征处理得到带噪语音的预测掩膜；基于预测掩膜和带噪语音得到增强语音。上述实现方案中，合利用音频模态和视频模态分别在低噪声和高噪声场景下的优势辅助作用，针对基于视觉语音识别的唇部嵌入在低噪声场景下鲁棒性不足的问题，使用包括音频模态和视频模态的多模态嵌入作为音视频语音增强的辅助输入，在高噪声和低噪声的环境下都提升了增强后语音的质量和可懂度。 | ||
| 搜索关键词： | 一种 视频 语音 增强 处理 方法 模型 | ||
【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中国科学技术大学，未经中国科学技术大学许可，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/202110441281.4/，转载请声明来源钻瓜专利网。
- 上一篇：三维存储器件
- 下一篇：一种用于大型箱梁制作车间的悬臂、除尘设备
