清华大学胡晓林获国家专利权
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！
龙图腾网获悉清华大学申请的专利视听语音分离方法、装置、电子设备和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：CN116863537B 。
龙图腾网通过国家知识产权局官网在2026-02-03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：202310816352.3，技术领域涉及：G06V40/20；该发明授权视听语音分离方法、装置、电子设备和存储介质是由胡晓林;李凯设计研发完成，并于2023-07-04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、电子设备和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、电子设备和存储介质，获取包括目标对象声音和至少一个参考对象声音的视频信息，并提取视频信息中的目标对象唇部图像帧组成的图像帧序列和混合音频，分别进行编码得到目标对象对应的视频特征和音频特征。将视频特征和音频特征输入训练得到的多模态分离网络，通过多次特征融合后得到目标对象对应的声音掩码，多模态分离网络包括用于进行三次特征融合的顶部模块、中部模块和底部模块。根据声音掩码和音频特征确定记录目标对象声音的目标音频。本公开通过三个模块多次融合视觉和听觉两个层面的信息，增强了模态内上下文信息，提高了视听分离性能得到准确的音频分离结果。
本发明授权视听语音分离方法、装置、电子设备和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： 获取包括目标对象声音和至少一个参考对象声音的视频信息； 提取所述视频信息中的图像帧序列和混合音频，所述图像帧序列为目标对象唇部图像帧组成的序列； 分别将所述混合音频和所述图像帧序列进行编码，得到音频特征和所述目标对象对应的视频特征； 将所述视频特征和所述音频特征输入训练得到的多模态分离网络，通过多次特征融合后得到所述目标对象对应的声音掩码，所述多模态分离网络包括顶部模块、中部模块和底部模块，所述顶部模块用于对所述视频特征和所述音频特征进行初步融合，所述中部模块用于在每个时间尺度层面对所述视频特征和所述音频特征进行再次融合，所述底部模块用于对所述视频特征和所述音频特征进行细粒度的特征融合； 根据所述声音掩码和所述音频特征确定记录所述目标对象声音的目标音频。
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。
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