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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利基于人工智能的音频生成方法、装置、设备及存储介质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：CN113822017B 。

龙图腾网通过国家知识产权局官网在2025-10-31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：202110620109.5，技术领域涉及：G06F40/126；该发明授权基于人工智能的音频生成方法、装置、设备及存储介质是由郑艺斌;李新辉;苏文超;卢鲤设计研发完成，并于2021-06-03向国家知识产权局提交的专利申请。

本基于人工智能的音频生成方法、装置、设备及存储介质在说明书摘要公布了：本申请提供了一种基于人工智能的音频生成方法、装置、电子设备及计算机可读存储介质；涉及人工智能技术；方法包括：对目标对象的多个音频数据进行采样处理，得到目标对象的参考音频数据；对目标对象的参考音频数据进行音频编码处理，得到参考音频数据的参考嵌入向量；对参考音频数据的参考嵌入向量进行基于音色的注意力处理，得到目标对象的音色嵌入向量；对目标文本进行文本编码处理，得到目标文本的内容嵌入向量；基于目标对象的音色嵌入向量以及目标文本的内容嵌入向量进行合成处理，得到符合目标对象的音色且与目标文本对应的音频数据。通过本申请，能够提高音频合成的稳定性。

本发明授权基于人工智能的音频生成方法、装置、设备及存储介质在权利要求书中公布了：1.一种基于人工智能的音频生成方法，其特征在于，所述方法包括： 对目标对象的多个音频数据随机采样出变长的音频序列，并作为所述目标对象的参考音频数据； 通过参考编码器对所述目标对象的参考音频数据进行音频编码处理，得到所述参考音频数据的参考嵌入向量，以作为对所述目标对象的音色进行控制的嵌入向量，其中，所述音频编码处理包括将所述参考音频数据多层卷积网络编码，再输入单向门控循环网络中，将所述单向门控循环网络最后时刻的表示作为所述参考嵌入向量； 所述参考编码器是通过第一分类器训练的，所述第一分类器用于对所述参考编码器对对象样本编码得到的音色嵌入向量进行预测，基于预测得到的预测对象以及所述对象样本的对象标签确定误差信号，所述误差信号用于更新所述参考编码器的参数； 对所述参考音频数据的参考嵌入向量进行基于音色的注意力处理，得到所述目标对象在音色的嵌入空间中对应的音色嵌入向量；其中，所述注意力处理在说话人嵌入空间中执行，所述说话人嵌入空间由M个不同类型的说话人令牌构成，所述目标对象的嵌入表示为所述M个不同类型的说话人令牌的线性组合； 通过文本编码器对目标文本进行文本编码处理，得到所述目标文本的内容嵌入向量，其中，所述文本编码器是通过第二分类器进行对抗训练得到的，所述第二分类器设置有梯度反转层，用于在所述对抗训练中阻止所述文本编码器获取所述目标对象的对象信息，所述文本编码器被所有对象共享； 基于所述目标对象的音色嵌入向量以及所述目标文本的内容嵌入向量进行合成处理，得到符合所述目标对象的音色且与所述目标文本对应的音频数据，其中，所述合成处理由通过如下训练得到的神经网络模型执行：基于所述对象样本的音色嵌入向量以及所述文本样本的内容嵌入向量，得到预测对齐信息、强制对齐信息及线性对齐信息，基于所述线性对齐信息与所述预测对齐信息的差值构建第一差异信息，基于所述强制对齐信息与所述预测对齐信息的差值构建第二差异信息，并对所述第一差异信息与所述第二差异信息加权求和得到第三损失函数，基于所述第三损失函数训练所述神经网络模型。

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腾讯科技(深圳)有限公司，其通讯地址为：518057 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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。