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！

龙图腾网获悉哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)申请的专利一种基于语音声学特征调控的多模态语音交互大模型训练方法、系统、终端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：CN120954388B 。

龙图腾网通过国家知识产权局官网在2026-01-16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：202511461447.3，技术领域涉及：G10L13/08；该发明授权一种基于语音声学特征调控的多模态语音交互大模型训练方法、系统、终端设备及介质是由户保田;蒋深远;李云鑫;张民设计研发完成，并于2025-10-14向国家知识产权局提交的专利申请。

本一种基于语音声学特征调控的多模态语音交互大模型训练方法、系统、终端设备及介质在说明书摘要公布了：本发明公开了一种基于语音声学特征调控的多模态语音交互大模型训练方法、系统、终端设备及介质，涉及多模态语音交互技术领域，所述方法包括：获取文本训练样本的文本token并构造对应的语音token，得到用于将文本token转化为语音token的预训练数据；结合多模态输入样本与预训练数据，构造用于语音理解与对话生成的微调训练数据；使用预训练数据构造并预训练基础模型；基于预训练基础模型构建多模态语音交互大模型，用微调数据训练，使其能基于多模态输入调控语音声学特征并输出语音。本发明通过文本token和语音token的对齐与分阶段训练，实现语音声学特征精细化调控，提升长语音连贯性与交互自然性，高效赋予模型可控音色、情感的语音交互能力。

本发明授权一种基于语音声学特征调控的多模态语音交互大模型训练方法、系统、终端设备及介质在权利要求书中公布了：1.一种基于语音声学特征调控的多模态语音交互大模型训练方法，其特征在于，所述方法包括： 获取文本训练样本的文本token，并基于所述文本token，构造包含所述文本token表达的语义特征与语音声学特征的语音token，得到用于将文本token转化为语音token的预训练数据； 基于多模态输入样本与所述预训练数据，构造用于语音理解与对话生成的微调训练数据，其中，所述微调训练数据包含语音语义理解标注与对话生成逻辑标注； 基于所述预训练数据，构造基础模型并进行预训练，其中，所述基础模型用于将输入的文本token转化为语音token； 基于预训练后的所述基础模型，构建多模态语音交互大模型，并使用所述微调训练数据，对所述多模态语音交互大模型进行训练，其中，所述多模态语音交互大模型用于基于多模态输入，调控用于生成语音回答的语音声学特征，并输出所述语音回答； 所述获取文本训练样本的文本token，并基于所述文本token，构造包含所述文本token表达的语义特征与语音声学特征的语音token，得到用于将文本token转化为语音token的预训练数据，包括： 获取单人声训练初始数据，所述单人声训练初始数据包括语音格式对话纯文本数据、长文本数据集，其中，所述语音格式对话纯文本数据包括筛选的通用自然对话文本数据集以及重构对话文本数据集，其中，所述重构对话文本数据集是通过通用大模型，基于预设提示词对纯文本指令微调数据进行数据重构后得到的； 基于预设规则，过滤所述语音格式对话纯文本数据的回复轮次文本内容中的特殊字符与所述长文本数据集中的特殊字符，并采用符号划分法进行切分，得到预处理的单人声训练初始数据； 对所述单人声训练初始数据进行token转换，得到所述文本token，并提取所述文本token表达的语义特征； 对所述单人声训练初始数据执行语音合成，生成匹配的单人声语音样本，并从所述单人声语音样本中提取语音声学特征； 关联所述文本token、所述文本token表达的语义特征、所述语音声学特征，得到所述语音token。

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哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)，其通讯地址为：518055 广东省深圳市南山区西丽平山一路6号；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。