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！

龙图腾网获悉清华大学申请的专利视听语音分离方法、装置、电子设备以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：CN116129929B 。

龙图腾网通过国家知识产权局官网在2025-12-16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：202211584453.4，技术领域涉及：G10L21/0272；该发明授权视听语音分离方法、装置、电子设备以及存储介质是由胡晓林;李凯;苑克鑫设计研发完成，并于2022-12-09向国家知识产权局提交的专利申请。

本视听语音分离方法、装置、电子设备以及存储介质在说明书摘要公布了：本公开涉及一种视听语音分离方法、装置、电子设备以及存储介质，通过对包括混合音频数据以及至少一个对象的影像数据的视频信息进行特征提取得到听觉特征，和每个影像数据对应的视觉特征。将目标对象对应的视觉特征与听觉特征一同输入语音分离网络，得到目标对象的目标听觉特征以确定目标音频数据。其中，语音分离网络包括处理视觉特征的视觉子网络、处理听觉特征的听觉子网络和整合视觉子网络和听觉子网络的输出特征多模态融合子网络。本公开通过视觉子网络和听觉子网络分别处理视觉特征和听觉特征，并通过多模态融合子网络对视觉特征和听觉特征进行传递和整合，以基于视觉特征和听觉特征准确的重建目标音频数据。

本发明授权视听语音分离方法、装置、电子设备以及存储介质在权利要求书中公布了：1.一种视听语音分离方法，其特征在于，所述方法包括： 获取待处理的视频信息，所述视频信息中包括混合音频数据以及多个对象的影像数据； 提取所述视频信息中的混合音频数据，以及每个所述对象的影像数据； 对所述混合音频数据进行特征提取得到听觉特征，分别对每个所述影像数据进行特征提取得到对应的视觉特征； 将目标对象对应的视觉特征与所述听觉特征一同输入训练得到的语音分离网络，得到所述目标对象的目标听觉特征，所述语音分离网络包括视觉子网络、听觉子网络和多模态融合子网络，所述视觉子网络用于处理输入的视觉特征，所述听觉子网络用于处理输入的听觉特征，所述多模态融合子网络用于整合所述视觉子网络和所述听觉子网络的输出特征； 根据所述目标听觉特征重建所述目标对象的目标音频数据； 其中，将目标对象对应的视觉特征与所述听觉特征一同输入训练得到的语音分离网络，得到所述目标对象的目标听觉特征，包括： 根据所述视觉子网络、所述听觉子网络和所述多模态融合子网络，基于目标对象对应的视觉特征和所述听觉特征进行多次特征提取，得到目标听觉处理特征； 根据所述听觉子网络对所述目标听觉处理特征进行多次处理，得到所述目标对象的目标听觉特征。

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清华大学，其通讯地址为：100084 北京市海淀区清华园1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。