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

龍圖騰網(wǎng)獲悉北京達(dá)佳互聯(lián)信息技術(shù)有限公司申請的專利音頻生成模型的訓(xùn)練方法、音頻生成方法和裝置獲國家發(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：CN120356454B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-08-29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：202510856929.2，技術(shù)領(lǐng)域涉及：G10L13/08；該發(fā)明授權(quán)音頻生成模型的訓(xùn)練方法、音頻生成方法和裝置是由周汪勁;李楠;張晨;張迪;于夢蕾;陳睿龍;蓋坤設(shè)計研發(fā)完成，并于2025-06-25向國家知識產(chǎn)權(quán)局提交的專利申請。

本音頻生成模型的訓(xùn)練方法、音頻生成方法和裝置在說明書摘要公布了：本公開提供了一種音頻生成模型的訓(xùn)練方法、音頻生成方法和裝置，屬于音頻技術(shù)領(lǐng)域。通過上述的訓(xùn)練過程，可以采用潛在空間流匹配的方式來進行生成式模型的訓(xùn)練，在模型訓(xùn)練過程中，不僅以描述文本或者視頻為條件，引導(dǎo)了預(yù)測的快速收斂，還在生成式模型的自注意力機制的基礎(chǔ)上，結(jié)合了交叉注意力機制，以能夠通過預(yù)測比例譜的形式來達(dá)到更簡單的表達(dá)，從而能夠在保證了所生成內(nèi)容的準(zhǔn)確性的同時，提升訓(xùn)練的效率。

本發(fā)明授權(quán)音頻生成模型的訓(xùn)練方法、音頻生成方法和裝置在權(quán)利要求書中公布了：1.一種音頻生成模型的訓(xùn)練方法，其特征在于，所述方法包括： 獲取訓(xùn)練數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)包括多個雙聲道立體聲數(shù)據(jù)，所述訓(xùn)練數(shù)據(jù)還包括所述多個雙聲道立體聲數(shù)據(jù)來源的樣本視頻和樣本視頻的描述文本中的至少一項； 獲取各個所述雙聲道立體聲數(shù)據(jù)的比例譜，所述比例譜表征所述雙聲道立體聲數(shù)據(jù)中左右聲道數(shù)據(jù)的頻譜之間的差與和的比； 基于高斯分布，對多個所述比例譜進行加噪； 基于所述各個樣本視頻以及所述雙聲道立體聲數(shù)據(jù)，生成多個第一樣本序列，第一樣本序列表征樣本視頻、所述雙聲道立體聲數(shù)據(jù)的平均頻譜以及加噪后的比例譜； 基于所述樣本視頻和所述樣本視頻的描述文本中至少一項，生成第二樣本序列； 以所述第一樣本序列為模型的主輸入、以所述第二樣本序列為模型的輔助輸入，通過音頻生成模型對所述第一樣本序列和所述第二樣本序列進行處理，得到各個所述第一樣本序列對應(yīng)的預(yù)測向量場； 基于所述加噪后的比例譜、各個所述第一樣本序列對應(yīng)的預(yù)測向量場和所述高斯分布，對所述音頻生成模型進行訓(xùn)練。

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)人北京達(dá)佳互聯(lián)信息技術(shù)有限公司，其通訊地址為：100085 北京市海淀區(qū)西二旗西路16號院12號樓8層101；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)”。