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！

龙图腾网获悉厦门大学申请的专利基于多模态的语音合成检测方法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：CN121483221B 。

龙图腾网通过国家知识产权局官网在2026-03-17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：202610034370.X，技术领域涉及：G10L13/027；该发明授权基于多模态的语音合成检测方法是由苏廷君;朱逸设计研发完成，并于2026-01-12向国家知识产权局提交的专利申请。

本基于多模态的语音合成检测方法在说明书摘要公布了：本发明涉及语音合成检测技术领域，尤其涉及一种基于多模态的语音合成检测方法，包括：提取语音音频信号以及视频模态信号在不同信号点的关键音频检测特征、关键视频检测特征，基于关键音频检测特征、关键视频检测特征分别将语音音频信号以及视频模态信号划分为多个音频事件以及视频事件；计算得到音频事件以及视频事件之间的不确定度，构建得到跨模态锚点图并提取锚点之间的对齐关系；利用跨模态语音合成检测模型检测得到锚点中音频事件的伪造概率以及语音音频信号的伪造合成概率；由此，实现对局部音频事件异常与全局模态不一致性的联合识别，从而精准判别语音信号是否为伪造合成，提高语音合成检测的准确性与鲁棒性。

本发明授权基于多模态的语音合成检测方法在权利要求书中公布了：1.一种基于多模态的语音合成检测方法，其特征在于，包括以下步骤： 获取语音音频信号及其对应关联的视频模态信号； 提取所述语音音频信号在不同信号点的关键音频检测特征，以及提取所述视频模态信号在不同信号点的关键视频检测特征，其中，所述关键音频检测特征包括短时能量和基频，所述关键视频检测特征包括唇部开合事件检测结果和唇部宽度； 根据所述关键音频检测特征将所述语音音频信号划分为多个音频事件，以及根据所述关键视频检测特征将所述视频模态信号划分为多个视频事件； 计算所述音频事件和所述视频事件之间的不确定度，并将所述音频事件和所述视频事件作为锚点，锚点之间的不确定度作为边关系，构建得到跨模态锚点图； 对所述跨模态锚点图进行基于锚点时间漂移的图表征学习，得到锚点之间的对齐关系； 将所述锚点之间的对齐关系输入预先训练好的跨模态语音合成检测模型，以得到锚点中音频事件的伪造概率和语音音频信号的伪造合成概率； 其中，根据所述关键音频检测特征将所述语音音频信号划分为多个音频事件，包括：根据所述关键音频检测特征，生成语音音频信号在不同信号点的音频事件分割判定结果，根据音频事件分割判定结果将语音音频信号划分为多个互不重合的音频信号段，并将每个音频信号段作为独立的音频事件，并计算得到音频事件的置信度； 其中，根据所述关键视频检测特征将所述视频模态信号划分为多个视频事件，包括：根据所述关键视频检测特征，生成视频模态信号在不同信号点的视频事件分割判定结果，根据视频事件分割判定结果将视频模态信号划分为多个互不重合的视频信号段，并将每个视频信号段作为独立的视频事件，并计算得到视频事件的置信度； 其中，对所述跨模态锚点图进行基于锚点时间漂移的图表征学习，得到锚点之间的对齐关系，包括： 获取锚点对应的事件时间戳，其中，事件时间戳为锚点所对应连续信号点的时间戳中位数； 根据所述事件时间戳，计算得到不同锚点之间的锚点时间偏移； 根据所述不同锚点之间的锚点时间偏移以及边关系，基于注意力机制生成锚点之间的对齐关系； 其中，所述跨模态语音合成检测模型包括跨模态对齐编码器、音频事件鉴伪网络、全局一致性聚合网络以及语音合成判别网络，其中，跨模态对齐编码器包括标准化层以及编码层，音频事件鉴伪网络包括全连接层以及判别层，全局一致性聚合网络包括加权模块以及全局一致性转换模块，语音合成判别网络包括拼接层以及全局判别层。

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厦门大学，其通讯地址为：361000 福建省厦门市思明南路422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。