思必驰科技股份有限公司吴梦玥获国家专利权
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！
龙图腾网获悉思必驰科技股份有限公司申请的专利基于语义信息引导的视频-音频生成方法及系统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：CN119296510B 。
龙图腾网通过国家知识产权局官网在2025-12-02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：202411448324.1，技术领域涉及：G10L13/027；该发明授权基于语义信息引导的视频-音频生成方法及系统是由吴梦玥;张耀匀设计研发完成，并于2024-10-16向国家知识产权局提交的专利申请。
本基于语义信息引导的视频-音频生成方法及系统在说明书摘要公布了：本发明实施例提供一种基于语义信息引导的视频‑音频生成方法及系统。该方法包括：将视频帧以及视频的用作检测声音对象出现指导的标签信息输入至对比学习语言‑图像的预训练模型，得到视频帧的视频隐层表示以及标签信息的文本隐层表示；确定文本隐层表示以及视频隐层表示的语义相似度；将语义相似度作为引导，来预测视频的发声节点的时间戳；将视频隐层表示线性投影至音频合成模型中，利用时空信息调节器按照时间戳控制音频合成模型生成出与视频对齐的音频。本发明实施例通过视频帧以及标签信息，视频信息与数据标签信息的相似度来确认视频的每个时刻是否应该有音频生成，从而通过引入数据标签信息的引导来生成视频‑音频颗粒度对齐更好的音频。
本发明授权基于语义信息引导的视频-音频生成方法及系统在权利要求书中公布了：1.一种基于语义信息引导的视频-音频生成方法，包括： 将视频的视频帧以及所述视频的用作检测声音对象出现指导的标签信息输入至对比学习语言-图像的预训练模型，得到所述视频帧的视频隐层表示以及所述标签信息的文本隐层表示，其中，所述用作检测声音对象出现指导的标签信息包括：视频中不同声音对象的多个标签信息； 确定所述文本隐层表示以及所述视频隐层表示的语义相似度，其中，所述语义相似度通过所述文本隐层表示以及所述视频隐层表示的嵌入余弦相似度确定； 将所述语义相似度作为引导，来预测所述视频的发声节点的时间戳； 将所述视频隐层表示线性投影至音频合成模型中，利用时空信息调节器按照所述时间戳控制所述音频合成模型生成出与所述视频对齐的音频。
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思必驰科技股份有限公司，其通讯地址为：215123 江苏省苏州市苏州工业园区新平街388号腾飞创新园14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。
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。
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。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励