北京凌云光子技术有限公司洪福星获国家专利权
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！
龙图腾网获悉北京凌云光子技术有限公司申请的专利一种基于大模型的语音识别与语音合成优化方法及系统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：CN121034309B 。
龙图腾网通过国家知识产权局官网在2026-01-23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：202511477160.X，技术领域涉及：G10L15/25；该发明授权一种基于大模型的语音识别与语音合成优化方法及系统是由洪福星;杨影;柴作鸿;黄义荣设计研发完成，并于2025-10-16向国家知识产权局提交的专利申请。
本一种基于大模型的语音识别与语音合成优化方法及系统在说明书摘要公布了：本发明提供一种基于大模型的语音识别与语音合成优化方法及系统，通过获取实时语音输入信号和用户面部区域的图像帧序列，提取出唇部运动特征、唇部特征时间戳，及音频特征时间戳，以生成初始时空偏移量序列；基于初始时空偏移量序列，结合语音视觉同步数据集中的基准对齐模板，生成动态偏移补偿参数序列；利用大模型，将动态偏移补偿参数序列、唇部运动特征以及实时语音输入信号进行联合处理，以重构目标语音片段，结合唇部运动特征，生成修正音素序列，从音素口型映射规则库中检索与修正音素序列对应的口型参数组，以生成与唇部运动相位同步的语音波形；本发明提升了人机交互的自然性、沉浸感以及在语音缺失或延迟场景下的鲁棒性。
本发明授权一种基于大模型的语音识别与语音合成优化方法及系统在权利要求书中公布了：1.一种基于大模型的语音识别与语音合成优化方法，其特征在于，包括： 获取实时语音输入信号和用户面部区域的图像帧序列，从所述图像帧序列中提取出唇部运动特征； 识别出所述图像帧序列的唇部特征时间戳，及所述实时语音输入信号的音频特征时间戳，以生成初始时空偏移量序列； 基于所述初始时空偏移量序列，结合预构建的语音视觉同步数据集中的基准对齐模板，生成动态偏移补偿参数序列； 利用大模型，将所述动态偏移补偿参数序列、所述唇部运动特征以及所述实时语音输入信号进行联合处理，以重构出缺失或延迟的目标语音片段； 根据所述目标语音片段和所述唇部运动特征，生成修正音素序列，从预设的音素口型映射规则库中检索出与所述修正音素序列对应的口型参数组，以生成与唇部运动相位同步的语音波形。
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凌云光子技术有限公司，其通讯地址为：100159 北京市海淀区翠湖南环路13号院6号楼5层101；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。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励