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！

龍圖騰網獲悉東南大學申請的專利一種提升合成音頻自然度以及降噪的方法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：CN119785762B 。

龍圖騰網通過國家知識產權局官網在2025-09-16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：202510003560.0，技術領域涉及：G10L13/027；該發明授權一種提升合成音頻自然度以及降噪的方法是由孟凡滿;伍家松;楊淳沨;孔佑勇;董志芳;陳陽;舒華忠設計研發完成，并于2025-01-02向國家知識產權局提交的專利申請。

本一種提升合成音頻自然度以及降噪的方法在說明書摘要公布了：本發明涉及一種提升合成音頻自然度以及降噪的方法，包括以下步驟：步驟1，構建音素編碼器，步驟2，構建方差適配器，步驟3，構建頻譜降噪器，實現提升合成音頻自然度以及降噪；該方案提出在音素編碼器階段，加入基于Transformer的雙向編碼器，能夠利用較少的訓練資源，完成語音合成模型的訓練；本發明首次將具有選擇性狀態空間的線性時間序列建模用于語音合成任務，借助于小波分解在圖像去噪領域的應用，將其引入語音合成網絡，成功地減少了生成音頻的噪聲。

本發明授權一種提升合成音頻自然度以及降噪的方法在權利要求書中公布了：1.一種提升合成音頻自然度以及降噪的方法，其特征在于，包括以下步驟： 步驟1，構建音素編碼器， 步驟2，構建方差適配器， 步驟3，構建頻譜降噪器，實現提升合成音頻自然度以及降噪； 其中，步驟1，構建音素編碼器，具體如下： 1.1，構建基于Transformer的雙向編碼器模型并在大規模的英文維基百科數據集上進行訓練，得到訓練好的模型，用符號b來表示，具體訓練過程包括數據預處理、模型架構、訓練參數設置和損失函數的使用，在數據預處理階段，編寫了爬蟲腳本，全自動化下載維基百科的XMLdump，從而獲取大規模英文維基百科的數據集，隨后，對文本進行清洗，編寫自動化腳本，實現批處理，一次性去除標記、鏈接、特殊字符，確保數據干凈，使用WordPiece分詞器將文本切分為子詞單元，使用掩碼語言模型任務來生成訓練樣本，在模型架構方面，采用多個堆疊的編碼器層，每個編碼器層包括自注意力機制和前饋神經網絡，在訓練參數上，初始學習率設置為3e-5，批大小設置為64，在損失函數上，使用交叉熵損失函數來優化模型，最大化掩碼單詞的預測概率； 1.2，加載這個基于Transformer的雙向編碼器模型，對文本進行tokenize，即加載訓練好的基于Transformer的雙向編碼器模型和tokenizer，用符號A來表示文本，用符號b來表示模型，用符號∞來表示此操作后的輸出，上述過程用如下公式表示為：∞＝bA； 1.3，將輸入的長句子進行切分，用μ來表示輸入的長句子，用∪來表示對句子進行切分，用θ來表示最終得到的可以被Transformer的雙向編碼器理解的token格式，最終用公式表示如下：θ＝∪μ； 1.4，通過基于Transformer的雙向編碼器模型的前向傳播，該過程用符號記為：∝，輸入的單詞記為：ω，通過如下公式：ρ＝∝ω，完成前向傳播，最后，從模型的最后一個隱藏層：H，通過如下公式提取嵌入：∈＝Hρ； 1.5，對1.1-1.4進行通用的表達總結，用α來表示原始輸入，用Encb來表示基于Transformer的雙向編碼器模型的編碼，經過1.1-1.4之后得到的輸出為：β＝Encbα； 1.6，加載具有選擇性狀態空間的線性時間序列模型，定義具有選擇性狀態空間的線性時間序列模型，該模型利用選擇性狀態空間模型來有效處理序列數據； 1.7，用具有選擇性狀態空間的線性時間序列層，用符號表示，去替換每個Transformer編碼器塊，提出移除Transformer中的多頭注意力和前饋子層，保留層規范化和殘差連接，其余部分用堆疊而成，有效地保障模型的穩定以及訓練期間符合預期的梯度流； 1.8，調整前向傳播，在編碼器的前向傳遞過程中，按順序將輸入序列傳遞到每個具有選擇性狀態空間的線性時間序列層：對于每個具有選擇性狀態空間的線性時間序列層，根據相關序列信息的選擇性狀態空間變換計算輸出； 1.9，用來表示具有選擇性狀態空間的線性時間序列建模，對1.5中得到的輸出β進行編碼，經過1.6-1.8以后，最終可得到：

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東南大學，其通訊地址為：211102 江蘇省南京市江寧區東南大學路2號；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”。