Document
拖动滑块完成拼图
首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

场景感知的视听语音增强方法、装置、介质及程序产品 

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:本相空间(珠海)科技有限公司

摘要:本发明提供的一种场景感知的视听语音增强方法、装置、介质及程序产品,其中,该方法包括以下步骤:通过预训练的对比视听掩码自动编码器提取当前场景对应的视觉场景嵌入和场景感知音频嵌入;使用一维卷积层对经过短时傅里叶变换的嘈杂语音信号进行编码,得到声学频谱嵌入;将视觉场景嵌入、场景感知音频嵌入和声学频谱嵌入融合得到融合特征表示;通过ConMamba模块处理融合特征表示,得到扩展相位敏感掩码;基于扩展相位敏感掩码和嘈杂语音信号进行逆短时傅里叶变换,得到增强语音信号。本发明将视觉线索作为增强策略的组成部分,针对较大的视觉上下文范围通过ConMamba架构进行处理,提高语音增强的效果。

主权项:1.一种场景感知的视听语音增强方法,其特征在于,包括以下步骤:通过预训练的对比视听掩码自动编码器提取当前场景对应的视觉场景嵌入和场景感知音频嵌入;使用一维卷积层对经过短时傅里叶变换的嘈杂语音信号进行编码,得到声学频谱嵌入;将所述视觉场景嵌入、所述场景感知音频嵌入和所述声学频谱嵌入融合得到融合特征表示;通过ConMamba模块处理所述融合特征表示,得到扩展相位敏感掩码;基于所述扩展相位敏感掩码和所述嘈杂语音信号进行逆短时傅里叶变换,得到增强语音信号。

全文数据:

权利要求:

百度查询: 本相空间(珠海)科技有限公司 场景感知的视听语音增强方法、装置、介质及程序产品

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。