买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉上海科技大学申请的专利基于变分自动编码器的跨语句语音合成方法、系统及设备获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114566141B 。

龙图腾网通过国家知识产权局官网在2025-07-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210220764.6，技术领域涉及：G10L13/02；该发明授权基于变分自动编码器的跨语句语音合成方法、系统及设备是由李阳;郁程;孙芳蕾;田政;汪军;张超;孙广智;蒋桦设计研发完成，并于2022-03-08向国家知识产权局提交的专利申请。

本基于变分自动编码器的跨语句语音合成方法、系统及设备在说明书摘要公布了：本发明提供一种基于变分自动编码器的跨语句语音合成方法、系统及设备，通过将跨语句信息与用以增强韵律的变分自动编码器有机结合，提出了基于变分自动编码器的跨语句语音合成系统，通过条件化声学特征、说话人信息和当前及周围语句中获得的文本特征，来估计每个音素潜在韵律特征的后验概率分布；该系统包括跨语句表征模块和韵律增强模块，通过使用多头注意力层生成音素级别的跨语句表征，并将跨语句表征模块的输出作为韵律增强模块的特定语句的先验条件，以改进标准变分自动编码器。本申请不仅提升了合成语音的自然度，改善了合成语音的韵律变化，同时解决了推理时系统所采样的标准高斯先验和语音的真实先验之间不一致的问题。

本发明授权基于变分自动编码器的跨语句语音合成方法、系统及设备在权利要求书中公布了：1.一种基于变分自动编码器的跨语句语音合成方法，其特征在于，所述方法包括： 基于音素序列和说话人信息进行编码以得到当前语句的混合编码Fi； 通过跨语句表征和多头注意力层对上下文信息进行编码以得到交叉语句向量表征Gi； 将所述混合编码Fi和所述交叉语句向量表征Gi连接后通过线性映射层输出含有每个音素的跨语句向量表征Hi； 将含有每个音素的跨语句向量表征Hi和获取得到每个音素的预测持续时间Di连接后输入至条件先验模块以得到特定语句的条件先验zp； 将参考梅尔频谱xi作为条件后验模块的输入，结合所述条件先验zp建立近似的条件后验zi，并将所述条件后验zi添加到含有每个音素的跨语句向量表征Hi； 根据每个音素的预测持续时间Di扩展输入的参考梅尔频谱xi的长度；通过并行计算将添加条件后验zi的跨语句向量表征Hi转换为梅尔频谱序列； 所述基于音素序列和说话人信息进行编码以得到当前语句的混合编码Fi，包括：将当前语句ui转换为音素序列Pi＝[p1,p2,…,pT]，并通过变换器对所述音素序列进行编码以得到音素编码；将说话人信息编码到说话人表征si中；将所述说话人表征si与所述音素编码相加以得到混合编码Fi：Fi＝[fip1,fip2,…,fipT]；其中，T表示音素的数量，f表示每个音素编码和说话人表征si相加的结果向量； 所述通过跨语句表征和多头注意力层对上下文信息进行编码以得到交叉语句向量表征Gi，包括：1将2L+1个相邻语句[ui-L,…,ui,…,ui+L]分为2L个交叉语句对，记为Ci：Ci＝[cui-L,ui-L+1,…,cui-1,ui,…,cui+L-1,ui+L]；其中，cuk,uk+1＝{[CLS],uk,[SEP],uk+1}，每个语句对的开头有一个特殊标记[CLS]，且每个语句对的两个语句之间有另一个特殊标记[SEP]，以表示原始句式结构；2分别将2L个交叉语句对送入双向编码器BERT通过捕获交叉语句信息得到2L个BERT向量表征Bi：Bi＝[b-L,b-L+1,…,bL-1]；其中，向量bk表示交叉语句对cuk,uk+1的BERT向量表征；3通过多头注意力层将2L个所述BERT向量表征Bi和所述混合编码Fi合并为一个交叉语句向量表征Gi，以提取每个音素的交叉语句表征：Gi＝MHAFiWQ,BiWK,BiWV；其中，MHA·表示多头注意力层；WQ、WK、WV表示线性投影矩阵；Fi表示当前语句的混合编码序列，在注意力机制中作为查询矩阵；且所述交叉语句向量表征Gi的表达式记为：Gi＝[g1,g2,…,gT]；其中，T表示多头注意力层的长度。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人上海科技大学，其通讯地址为：201210 上海市浦东新区华夏中路393号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。