買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉同濟(jì)大學(xué)申請(qǐng)的專(zhuān)利一種基于聲紋特征的多人語(yǔ)音分離方法、設(shè)備及介質(zhì)獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN113990344B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-09-19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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202111004878.9，技術(shù)領(lǐng)域涉及：G10L21/0272；該發(fā)明授權(quán)一種基于聲紋特征的多人語(yǔ)音分離方法、設(shè)備及介質(zhì)是由沈瑩;程詩(shī)丹;周子怡;張林;趙生捷設(shè)計(jì)研發(fā)完成，并于2021-08-30向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于聲紋特征的多人語(yǔ)音分離方法、設(shè)備及介質(zhì)在說(shuō)明書(shū)摘要公布了：本發(fā)明涉及一種基于聲紋特征的多人語(yǔ)音分離方法、設(shè)備及介質(zhì)，該方法包括：S1：獲取目標(biāo)說(shuō)話人的聲紋特征Xref以及對(duì)混合音頻采用短時(shí)傅里葉變換提取其頻譜特征Xmix；S2：通過(guò)拼接混合音頻的頻譜特征Xmix與目標(biāo)說(shuō)話人的聲紋特征Xref得到參考聲紋特征的頻譜特征X′mix，并將頻譜特征X′mix輸入到用于捕獲低級(jí)別音頻特征的擴(kuò)張卷積層，得到語(yǔ)音分離模型的輸入特征Xinput；S3：通過(guò)基于語(yǔ)音分離模型獲取頻譜掩膜，并將其與混合音頻的頻譜特征Xmix相乘，得到預(yù)測(cè)出的目標(biāo)說(shuō)話人的純凈音頻的頻譜；通過(guò)參考混合音頻的相位譜并結(jié)合短時(shí)傅里葉逆變換，得到預(yù)測(cè)出的目標(biāo)說(shuō)話人在時(shí)域上的純凈音頻。與現(xiàn)有技術(shù)相比，本發(fā)明具有語(yǔ)音分離精度高的優(yōu)點(diǎn)。

本發(fā)明授權(quán)一種基于聲紋特征的多人語(yǔ)音分離方法、設(shè)備及介質(zhì)在權(quán)利要求書(shū)中公布了：1.一種基于聲紋特征的多人語(yǔ)音分離方法，其特征在于，該方法包括以下步驟： 步驟S1：聲紋特征提取，包括獲取目標(biāo)說(shuō)話人的聲紋特征Xref以及對(duì)混合音頻采用短時(shí)傅里葉變換提取其頻譜特征Xmix； 步驟S2：聲紋特征融合，通過(guò)拼接混合音頻的頻譜特征Xmix與目標(biāo)說(shuō)話人的聲紋特征Xref得到參考聲紋特征的頻譜特征X′mix，并將頻譜特征X′mix輸入到用于捕獲低級(jí)別音頻特征的擴(kuò)張卷積層，得到語(yǔ)音分離模型的輸入特征Xinput； 步驟S3：語(yǔ)音分離，通過(guò)基于語(yǔ)音分離模型獲取頻譜掩膜，并將其與混合音頻的頻譜特征Xmix相乘，得到預(yù)測(cè)出的目標(biāo)說(shuō)話人的純凈音頻的頻譜；通過(guò)參考混合音頻的相位譜并結(jié)合短時(shí)傅里葉逆變換，得到預(yù)測(cè)出的目標(biāo)說(shuō)話人在時(shí)域上的純凈音頻； 所述步驟S1中獲取目標(biāo)說(shuō)話人的聲紋特征Xref具體為：將目標(biāo)說(shuō)話人的參考音頻輸入至聲紋特征提取器中，獲取目標(biāo)說(shuō)話人的梅爾頻率倒譜系數(shù)MFCCs，將其作為目標(biāo)說(shuō)話人的聲紋特征Xref，具體包括以下步驟： 步驟S11：同時(shí)對(duì)目標(biāo)說(shuō)話人的參考音頻和混合音頻進(jìn)行靜音段修剪； 步驟S12：對(duì)去除靜音段的參考音頻和去除靜音段的混合音頻進(jìn)行處理，以保證參考音頻的長(zhǎng)度與混合音頻的長(zhǎng)度一致； 步驟S13：從去除靜音段的參考音頻中提取梅爾頻率倒譜系數(shù)MFCCs，取前P維作為目標(biāo)說(shuō)話人的聲紋特征Xref； 所述語(yǔ)音模型獲取頻譜掩膜的過(guò)程具體為：使用深度聚類(lèi)模型DPCL基于輸入特征Xinput得到嵌入向量，采用K-Means算法對(duì)得到的嵌入向量進(jìn)行聚類(lèi)獲取頻譜掩膜。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人同濟(jì)大學(xué)，其通訊地址為：200092 上海市楊浦區(qū)四平路1239號(hào)；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)”。