買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉杭州市濱江區(qū)浙工大人工智能創(chuàng)新研究院申請的專利基于音頻潛在特征對比學習的音頻偽造檢測方法及系統(tǒng)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN120220731B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-26發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202510699483.7，技術(shù)領(lǐng)域涉及：G10L25/51；該發(fā)明授權(quán)基于音頻潛在特征對比學習的音頻偽造檢測方法及系統(tǒng)是由宣琦;惲蓓蓓;趙尚上;田甜;李呈斌設(shè)計研發(fā)完成，并于2025-05-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于音頻潛在特征對比學習的音頻偽造檢測方法及系統(tǒng)在說明書摘要公布了：本發(fā)明公開了一種基于音頻潛在特征對比學習的音頻偽造檢測方法及系統(tǒng)，屬于音頻偽造檢測技術(shù)領(lǐng)域，本發(fā)明首先對原始音頻數(shù)據(jù)進行數(shù)據(jù)增強，生成偽造音頻數(shù)據(jù)集，其次構(gòu)建音頻檢測模型，所述音頻檢測模型包括對比學習模型，然后基于所述偽造音頻數(shù)據(jù)集對所述音頻檢測模型進行第一階段訓練，完成第一階段訓練后，使用對比學習模型進行第二階段的訓練，最后基于完成所述第一階段訓練和第二階段訓練的音頻檢測模型對音頻進行偽造檢測，顯著提升了檢測精度與泛化能力。

本發(fā)明授權(quán)基于音頻潛在特征對比學習的音頻偽造檢測方法及系統(tǒng)在權(quán)利要求書中公布了：1.一種基于音頻潛在特征對比學習的音頻偽造檢測方法，其特征在于，包括以下步驟： 對原始音頻數(shù)據(jù)進行數(shù)據(jù)增強，生成偽造音頻數(shù)據(jù)集； 構(gòu)建音頻檢測模型，所述音頻檢測模型包括對比學習模型； 基于所述偽造音頻數(shù)據(jù)集對所述音頻檢測模型進行第一階段訓練，第一階段訓練的過程中包括：基于交叉熵損失函數(shù)訓練模型； 所述第一階段的損失函數(shù)如下表示： 其中，為交叉熵損失函數(shù)，y為標簽，對于真實音頻數(shù)據(jù)標簽為1，偽造音頻數(shù)據(jù)標簽為0，p為對于輸入音頻數(shù)據(jù)為真實數(shù)據(jù)的預(yù)測概率； 完成第一階段訓練后，使用對比學習模型進行第二階段的訓練，其中，進行第二階段的訓練的過程中包括：基于交叉熵損失函數(shù)和對比學習的損失函數(shù)進行第二階段的訓練； 所述第二階段中對比學習的損失函數(shù)為： 其中，表示對比學習的損失函數(shù)，k的值取決于是否為同一類音頻數(shù)據(jù)，當為同一類音頻數(shù)據(jù)時k為1，否則k為0，和分別為與不同一類和同一類的音頻數(shù)據(jù)特征，r為常量，控制相似樣本之間的舉例，表示相似度函數(shù)，用于衡量兩個特征之間的相似程度，P表示訓練時總樣本數(shù)量； 最終在第二階段，模型的損失函數(shù)如下： 其中和均為權(quán)重，其中用于模型對于偽造特征的學習，用于拉近相同特征樣本之間的距離，表示總損失函數(shù)； 基于完成所述第一階段訓練和第二階段訓練的音頻檢測模型對音頻進行偽造檢測。

如需購買、轉(zhuǎn)讓、實施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人杭州市濱江區(qū)浙工大人工智能創(chuàng)新研究院，其通訊地址為：310056 浙江省杭州市濱江區(qū)長河街道湖西路575號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。