龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
申请/专利权人：天津理工大学
摘要：本发明涉及语音分析与处理技术领域,提出一种基于无监督学习的说话人语音信息解耦方法。该方法无需借助文本标签，通过多参考语音提示编码器进行说话人信息的细粒度表征，同时结合梯度反转的说话人分类在编码器‑解码器框架下进行联合训练，进一步实现语音信息中说话人相关与说话人无关信息的解耦。本发明可以作为基础模块，为相关的下游应用如说话人识别、语音转换、语音合成等任务提供有效的说话人信息表征。
主权项：1.一种基于无监督学习的说话人信息解耦方法，其特征在于，基于编码器和解码器两部分组成的自编码器框架实现说话人语音信息解耦，步骤如下：S1:数据预处理及特征提取：将音频数据进行批标准化处理至统一格式；处理后的音频数据经过音频特征提取转换为梅尔谱滤波器组特征为框架的主要输入数据；同时针对每一条音频数据，对于相同说话人的其他不同语音片段的音频数据转换为梅尔谱滤波器特征，并将该特征作为相同说话人参考特征；S2:提取说话人无关信息表征：首先将S1提取到的梅尔谱滤波器组特征输入到基础语音编码器中，抽取基础语音信息特征，再引入声道长度扰动处理，从而得到说话人信息受到破坏的说话人无关语音表征，并通过梯度反转，后经说话人分类器进行说话人分类训练，进一步压缩该部分表征信息中的说话人信息，得到优化后的说话人无关语音表征训练中该部分的损失为；S3:提取说话人相关特征：在进行步骤S2的同时,步骤S1所得的梅尔谱滤波器组特征以及相同说话人参考特征一起送入多参考语音提示编码器中，抽取细粒度的说话人相关特征，通过说话人分类器上进行说话人分类训练使得对于说话人信息的表征能力得到进一步增强，训练中该部分训练损失为；S4:将S2得到优化后的说话人无关语音表征与S3得到的说话人相关表征拼接在一起后送入语音解码器中进行解码，得到重建后的梅尔谱滤波器组特征信息并计算出重建的梅尔谱滤波器组特征与原始的梅尔谱滤波器组特征之间的损失；联合训练，并对三个模块的联合损失=++进行优化，最终从原始语音信号中得到优化解耦后的说话人无关语音表征与说话人相关表征。
全文数据：
权利要求：
百度查询： 天津理工大学 一种基于无监督学习的说话人语音信息解耦方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
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