买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉马栏山音视频实验室申请的专利一种多说话人音频对象定位方法、装置、设备及介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119229876B 。

龙图腾网通过国家知识产权局官网在2025-08-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411444987.6，技术领域涉及：G10L17/02；该发明授权一种多说话人音频对象定位方法、装置、设备及介质是由徐文浩;苏道明;王雷设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。

本一种多说话人音频对象定位方法、装置、设备及介质在说明书摘要公布了：本发明公开了一种多说话人音频对象定位方法、装置、设备及介质。该方法包括：获取待处理视频数据及与待处理视频数据对应的待处理音频数据，将待处理视频数据输入到已训练的目标检测模型中，得到各个目标对象的目标位置，通过声纹分割聚类算法对待处理音频数据进行分类，得到各个说话对象的语音片段，将待处理视频数据中各个目标对象的唇动特征和待处理音频数据中各个说话对象的语音片段输入到已训练的主动说话检测模型中，得到目标对象与说话对象的语音片段之间的对应关系，根据目标对象的目标位置、说话对象的语音片段以及目标对象与说话对象的语音片段之间的对应关系，确定各个说话对象的目标位置。

本发明授权一种多说话人音频对象定位方法、装置、设备及介质在权利要求书中公布了：1.一种多说话人音频对象定位方法，其特征在于，包括： 获取待处理视频数据及与所述待处理视频数据对应的待处理音频数据； 将所述待处理视频数据输入到已训练的目标检测模型中，得到各个目标对象的目标位置； 通过声纹分割聚类算法对所述待处理音频数据进行分类，得到各个说话对象的语音片段； 将所述待处理视频数据中各个所述目标对象的唇动特征和所述待处理音频数据中各个所述说话对象的语音片段输入到已训练的主动说话检测模型中，得到所述目标对象与所述说话对象的语音片段之间的对应关系，其中，所述主动说话检测模型是以训练用视频数据中各个目标对象的唇动特征集合和训练用音频数据中各个说话对象的语音片段集合作为训练样本，以训练用视频数据中各个目标对象与训练用音频数据中各个说话对象的语音片段之间的对应关系为样本标签训练得到； 根据所述目标对象的目标位置、所述说话对象的语音片段以及所述目标对象与所述说话对象的语音片段之间的对应关系，确定各个说话对象的目标位置。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人马栏山音视频实验室，其通讯地址为：410000 湖南省长沙市开福区月湖街道文创路6号马栏山创意中心B栋；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。