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！

龙图腾网获悉北京帝派智能科技有限公司申请的专利多模态训练数据构建方法、装置及多模态大模型构建方法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：CN119763556B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202411992626.5，技术领域涉及：G10L15/06；该发明授权多模态训练数据构建方法、装置及多模态大模型构建方法是由易中华设计研发完成，并于2024-12-31向国家知识产权局提交的专利申请。

本多模态训练数据构建方法、装置及多模态大模型构建方法在说明书摘要公布了：本申请提供一种多模态训练数据构建方法、装置及多模态大模型构建方法，该多模态训练数据构建方法包括：获取多个语音序列及每一语音序列对应的文本序列；其中，语音序列是由对语音数据进行特征提取得到的特征基元构成的，或者，语音序列是由对语音数据进行分割得到的音频基元构成的，文本序列是由对语音数据对应的文本数据进行分割得到的文本基元构成的；针对每一语音序列，按顺序将其对应的各个文本基元，插入其包括的特征基元或音频基元之间，得到多模态训练数据；集合所有多模态训练数据，形成训练数据集。这样，可以建立起短时语音与文本数据之间的映射关系，从而增强模型对跨模态信息的理解和处理能力，进而提升实时语音识别的效果。

本发明授权多模态训练数据构建方法、装置及多模态大模型构建方法在权利要求书中公布了：1.一种多模态训练数据构建方法，其特征在于，应用于实时语音识别的多模态大模型； 所述方法包括： 获取多个语音序列及每一所述语音序列对应的文本序列；其中，所述语音序列是由对语音数据进行特征提取得到的特征基元构成的，或者，所述语音序列是由对所述语音数据进行分割得到的音频基元构成的，所述文本序列是由对所述语音数据对应的文本数据进行分割得到的文本基元构成的，每个文本基元为所述文本数据中的一个字符、词语或句子； 针对每一所述语音序列，按顺序将其对应的各个所述文本基元，插入其包括的所述特征基元或所述音频基元之间，得到多模态训练数据；所述多模态训练数据包括训练输入样本及训练输出样本； 所述针对每一所述语音序列，按顺序将其对应的各个所述文本基元，插入其包括的所述特征基元或所述音频基元之间，得到多模态训练数据，包括： 在所述语音序列的起始位置添加开始标记，并将各个所述文本基元插入其对应的插入位置之后，形成所述训练输入样本；所述插入位置是文本基元的在所述语音序列中对应的发音结束位置之后的D帧，D≥0； 将所述训练输入样本偏移一帧，形成所述训练输出样本，以使所述训练输出样本的第二帧与所述训练输入样本的第一帧对齐； 集合所有所述多模态训练数据，形成训练数据集；经所述训练数据集训练的所述多模态大模型在预测时，基于当前帧以及当前帧之前的各帧数据进行预测。

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北京帝派智能科技有限公司，其通讯地址为：100080 北京市海淀区海淀大街34号8层820室；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”。

以上内容由龙图腾AI智能生成。