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！

龙图腾网恭喜北京邮电大学申请的专利一种文本生成音频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：CN117854475B 。

龙图腾网通过国家知识产权局官网在2025-04-01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：202311844353.5，技术领域涉及：G10L13/047；该发明授权一种文本生成音频方法及系统是由李雅;薛锦隆;邓雅月;高迎明设计研发完成，并于2023-12-28向国家知识产权局提交的专利申请。

本一种文本生成音频方法及系统在说明书摘要公布了：本发明提供一种文本生成音频方法及系统，所述方法的步骤包括扩散模型训练和音频推理；在所述扩散模型训练的步骤中，对训练音频数据进行梅尔转换得到第一梅尔频谱，将所述第一梅尔频谱构建为第一梅尔图像，将所述第一梅尔图像通过图像编码器编码为图像特征向量；获取训练音频数据对应的训练文本数据，将训练文本数据通过文本编码器编码为训练文本特征向量；将图像特征向量、训练文本特征向量及预设的训练噪声向量输入到扩散模型中，对扩散模型进行训练；在音频推理的步骤中，基于待生成文本得到待生成文本特征向量，将待生成文本特征向量和预设的高斯噪声向量输入到扩散模型中，得到目标图像特征向量，基于所述目标图像特征向量得到目标音频。

本发明授权一种文本生成音频方法及系统在权利要求书中公布了：1.一种文本生成音频方法，其特征在于，所述方法的步骤包括扩散模型训练和音频推理；在所述扩散模型训练的步骤中，获取训练音频数据，对所述训练音频数据进行梅尔转换得到第一梅尔频谱，将所述第一梅尔频谱构建为第一梅尔图像，将所述第一梅尔频谱对应构建为初始梅尔图像，所述初始梅尔图像为单通道图像；将所述初始梅尔图像的通道进行复制，得到多通道的第一梅尔图像，将所述第一梅尔图像通过图像编码器编码为图像特征向量；获取训练音频数据对应的训练文本数据，将所述训练文本数据通过文本编码器编码为训练文本特征向量；将图像特征向量、训练文本特征向量及预设的训练噪声向量输入到扩散模型中，对所述扩散模型进行训练；在音频推理的步骤中，基于待生成文本得到待生成文本特征向量，将所述待生成文本特征向量和预设的高斯噪声向量输入到扩散模型中，得到目标图像特征向量，基于所述目标图像特征向量得到目标音频，对所述目标图像特征向量通过图像解码器进行解码，得到对应的目标梅尔图像，将所述目标梅尔图像构建为目标梅尔频谱，将所述目标梅尔图像压缩为单通道图像，获取单通道的目标梅尔图像对应的目标梅尔频谱，将所述目标梅尔频谱通过声码器构建为目标音频，所述扩散模型的每个扩散网络输出预测的噪声向量，将预设的高斯噪声向量减去预测的噪声向量，得到目标图像特征向量。

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北京邮电大学，其通讯地址为：100876 北京市海淀区西土城路10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”。