馬欄山音視頻實驗室徐文浩獲國家專利權
買專利賣專利找龍圖騰，真高效！ 查專利查商標用IPTOP,全免費！專利年費監控用IP管家,真方便！
龍圖騰網獲悉馬欄山音視頻實驗室申請的專利一種多說話人音頻對象定位方法、裝置、設備及介質獲國家發明授權專利權，本發明授權專利權由國家知識產權局授予，授權公告號為：CN119229876B 。
龍圖騰網通過國家知識產權局官網在2025-08-29發布的發明授權授權公告中獲悉：該發明授權的專利申請號/專利號為：202411444987.6，技術領域涉及：G10L17/02；該發明授權一種多說話人音頻對象定位方法、裝置、設備及介質是由徐文浩;蘇道明;王雷設計研發完成，并于2024-10-16向國家知識產權局提交的專利申請。
本一種多說話人音頻對象定位方法、裝置、設備及介質在說明書摘要公布了：本發明公開了一種多說話人音頻對象定位方法、裝置、設備及介質。該方法包括：獲取待處理視頻數據及與待處理視頻數據對應的待處理音頻數據，將待處理視頻數據輸入到已訓練的目標檢測模型中，得到各個目標對象的目標位置，通過聲紋分割聚類算法對待處理音頻數據進行分類，得到各個說話對象的語音片段，將待處理視頻數據中各個目標對象的唇動特征和待處理音頻數據中各個說話對象的語音片段輸入到已訓練的主動說話檢測模型中，得到目標對象與說話對象的語音片段之間的對應關系，根據目標對象的目標位置、說話對象的語音片段以及目標對象與說話對象的語音片段之間的對應關系，確定各個說話對象的目標位置。
本發明授權一種多說話人音頻對象定位方法、裝置、設備及介質在權利要求書中公布了：1.一種多說話人音頻對象定位方法，其特征在于，包括： 獲取待處理視頻數據及與所述待處理視頻數據對應的待處理音頻數據； 將所述待處理視頻數據輸入到已訓練的目標檢測模型中，得到各個目標對象的目標位置； 通過聲紋分割聚類算法對所述待處理音頻數據進行分類，得到各個說話對象的語音片段； 將所述待處理視頻數據中各個所述目標對象的唇動特征和所述待處理音頻數據中各個所述說話對象的語音片段輸入到已訓練的主動說話檢測模型中，得到所述目標對象與所述說話對象的語音片段之間的對應關系，其中，所述主動說話檢測模型是以訓練用視頻數據中各個目標對象的唇動特征集合和訓練用音頻數據中各個說話對象的語音片段集合作為訓練樣本，以訓練用視頻數據中各個目標對象與訓練用音頻數據中各個說話對象的語音片段之間的對應關系為樣本標簽訓練得到； 根據所述目標對象的目標位置、所述說話對象的語音片段以及所述目標對象與所述說話對象的語音片段之間的對應關系，確定各個說話對象的目標位置。
如需購買、轉讓、實施、許可或投資類似專利技術，可聯系本專利的申請人或專利權人馬欄山音視頻實驗室，其通訊地址為：410000 湖南省長沙市開福區月湖街道文創路6號馬欄山創意中心B棟；或者聯系龍圖騰網官方客服，聯系龍圖騰網可撥打電話0551-65771310或微信搜索“龍圖騰網”。
以上內容由AI智能生成
免責聲明
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。
1、本報告根據公開、合法渠道獲得相關數據和信息，力求客觀、公正，但并不保證數據的最終完整性和準確性。
2、報告中的分析和結論僅反映本公司于發布本報告當日的職業理解，僅供參考使用，不能作為本公司承擔任何法律責任的依據或者憑證。
開放平臺
擔保交易
惠及多方
會員特惠
專屬平臺
適合多方
數據共享
功能齊全
皖公網安備 34010402703815號