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！

龙图腾网获悉哲库科技(上海)有限公司申请的专利用于多说话人的语音分离方法、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：CN116453539B 。

龙图腾网通过国家知识产权局官网在2026-01-09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：202310318722.0，技术领域涉及：G10L21/0272；该发明授权用于多说话人的语音分离方法、装置、设备及存储介质是由杨毅设计研发完成，并于2023-03-28向国家知识产权局提交的专利申请。

本用于多说话人的语音分离方法、装置、设备及存储介质在说明书摘要公布了：本申请公开了一种用于多说话人的语音分离方法、装置、设备及存储介质，涉及人工智能领域。该方法包括：获取视频中的视频帧数据和音频帧数据；从所述视频帧数据中获取人脸区域数据；从所述人脸区域数据中获取口型变化数据，基于所述口型变化数据提取出语义嵌入表示；基于所述音频帧数据提取出语音嵌入表示；将所述语义嵌入表示和所述语音嵌入表示输入至多模态语音分离模型中，分离得到目标说话人的语音数据。该方法通过分别提取语义嵌入表示和语音嵌入表示，并将语义嵌入表示和语音嵌入表示输入至多模态语音分离模型中，从而分离得到目标说话人的语音数据，实现对目标说话人的语音增强效果。

本发明授权用于多说话人的语音分离方法、装置、设备及存储介质在权利要求书中公布了：1.一种用于多说话人的语音分离方法，其特征在于，所述方法包括： 获取视频中的视频帧数据和音频帧数据； 从所述视频帧数据中获取人脸区域数据；从所述人脸区域数据中获取口型变化数据，基于所述口型变化数据提取出语义嵌入表示； 基于所述音频帧数据提取出语音嵌入表示； 获取目标说话人的第一说话人嵌入表示，所述第一说话人嵌入表示是基于无噪声的目标说话人的语音数据获得的说话人嵌入表示； 将所述第一说话人嵌入表示、所述语义嵌入表示和所述语音嵌入表示输入至多模态语音分离模型中，分离得到所述目标说话人的语音数据； 将所述目标说话人的语音数据输入至语音评价模型，得到语音质量评价； 在所述语音质量评价大于评价阈值的情况下，生成所述目标说话人的第二说话人嵌入表示，所述第二说话人嵌入表示是基于从包含多个说话人的视频中分离得到的目标说话人的语音数据获取到的说话人嵌入表示； 计算所述第一说话人嵌入表示和所述第二说话人嵌入表示之间的距离； 在所述距离大于第一阈值且小于第二阈值的情况下，计算所述第一说话人嵌入表示和所述第二说话人嵌入表示的加权和，得到第三说话人嵌入表示，用于所述加权的权重基于所述目标说话人的声音状态的变化类型进行动态调整，所述声音状态的变化类型包括长期变化和短期变化中的至少一种； 使用所述第三说话人嵌入表示对所述第一说话人嵌入表示进行更新。

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哲库科技(上海)有限公司，其通讯地址为：200120 上海市浦东新区中国(上海)自由贸易试验区盛夏路61弄1号8层(房产登记楼层7层)01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。