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！

龙图腾网获悉昆明理工大学申请的专利音素知识增强的老-英混合语言语音合成方法和装置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：CN119889281B 。

龙图腾网通过国家知识产权局官网在2025-10-17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：202510064803.1，技术领域涉及：G10L13/08；该发明授权音素知识增强的老-英混合语言语音合成方法和装置是由毛存礼;田甜;余正涛;王琳钦;高盛祥;董凌设计研发完成，并于2025-01-15向国家知识产权局提交的专利申请。

本音素知识增强的老-英混合语言语音合成方法和装置在说明书摘要公布了：本发明涉及音素知识增强的老‑英混合语言语音合成方法和装置，属于自然语言处理技术领域。本发明包括步骤：构建音素细粒度发音知识词典；构建音素知识增强的老‑英混合语言语音合成模型，音素知识增强的老‑英混合语言语音合成模型包括：在编码阶段融入了细粒度发音特征，直接对发音进行建模；在模型训练时，首先通过音素细粒度发音知识词典将字符转化为id标识，再通过嵌入层生成向量表示，从而得到传统音素嵌入；然后，将音素的发音特征表示为一维矩阵，通过设置矩阵中的值为1或‑1来区分音素发音的差异，从而对细粒度发音特征建模；老‑英混合语言语音合成。本发明能够更加准确地进行发音合成。

本发明授权音素知识增强的老-英混合语言语音合成方法和装置在权利要求书中公布了：1.音素知识增强的老-英混合语言语音合成方法，其特征在于：所述方法包括： 步骤1、构建音素细粒度发音知识词典； 步骤2、构建音素知识增强的老-英混合语言语音合成模型，音素知识增强的老-英混合语言语音合成模型包括： 在编码阶段融入了细粒度发音特征，直接对发音进行建模； 在模型训练时，首先通过音素细粒度发音知识词典将字符转化为id标识，再通过嵌入层生成向量表示，从而得到传统音素嵌入；然后，将音素的发音特征表示为一维矩阵，通过设置矩阵中的值为1或-1来区分音素发音的差异，从而对细粒度发音特征建模； 步骤3、老-英混合语言语音合成：将步骤2音素知识增强的老-英混合语言语音合成模型整合为能在服务器上调用的API接口，通过调用模型API接口，构建了一个老挝语-英语混合语言语音合成装置，用于进行老-英混合语言语音合成； 所述步骤2中，音素知识增强的老-英混合语言语音合成模型的操作过程包括： 步骤2.1、基于步骤1构建的音素细粒度发音知识词典，采用one-hot编码的方式，根据属性词典的大小构建等长度的一维全零矩阵，根据细粒度发音词典中每个音素被标记的属性值，对一维全零矩阵中对应的标签位置为1，并对相反的类型置为-1，以加剧发音相差较远的音素之间的差距，从而对音素细粒度发音属性进行嵌入，随后引入LSTM网络输出音素序列在细粒度发音嵌入上的隐状态；输入的细粒度发音特征向量大小为： ； 其中，表示为音素细粒度发音特征，B为批次大小，L为一个批次中最长句子长度，表示每个字符嵌入维度； 音素细粒度发音特征向量通过LSTM网络得到细粒度发音隐状态，该隐状态表示为： ； 步骤2.2、采用文本卷积编码器根据发音词典直接将字符转id，然后通过embedding嵌入获得音素嵌入，嵌入维度为256； 步骤2.3、基于步骤2.1和步骤2.2获得的两个音素粒度的隐状态值，通过交叉注意力机制将细粒度发音隐状态融合到文本编码器的输出向量中，从而增加编码器输出的特征信息；最后，采用残差网络结构对编码器的输出进行进一步处理，其中细粒度发音隐状态作为交叉注意力的k和v，文本编码器的输出向量作为q，计算如下： ； 表示交叉注意力的输出； 注意力输出再与编码器相加送入到层归一化中： ； 在归一化层之后，首先接一个线性层，然后经过ReLU激活函数，接着再通过一个线性层；最后，将该线性层的输出与相加，从而得到编码器的最终输出表示，计算如下： ； 表示线性层、表示对归一化层的输出应用Dropout操作,减少模型对归一化层的输出特征的依赖； 步骤2.4、将步骤2.3得到的输出同时送入解码器和说话人分类器模块中，通过解码器进行语音预测；在说话人分类器模块中，首先经过梯度反置模块，确保正向传播时梯度反置模块输出保存不变，然后经过两个线性层，最后通过Softmax函数实现说话人分类预测。

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昆明理工大学，其通讯地址为：650500 云南省昆明市呈贡区景明南路727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”。

以上内容由龙图腾AI智能生成。