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！

龙图腾网获悉豫章师范学院申请的专利基于VITS改进的语音合成方法与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：CN121306095B 。

龙图腾网通过国家知识产权局官网在2026-03-27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：202511874168.X，技术领域涉及：G10L13/10；该发明授权基于VITS改进的语音合成方法与系统是由张丽园;刘捷;李禹;万卿;夏国华;施文辉;洪晓青;王雅琪设计研发完成，并于2025-12-12向国家知识产权局提交的专利申请。

本基于VITS改进的语音合成方法与系统在说明书摘要公布了：本发明提出一种基于VITS改进的语音合成方法与系统，通过对VITS模型的文本编码器进行优化，引入大语言模型，使得对文本进行编码时可以捕获输入文本的情感、意图和说话风格；在动态规划求解Q值时引入随机扰动项，提升训练初期的对齐灵活性，同时严格保持单调性约束，避免过早收敛到次优解；通过ConvNeXt模块作为对解码器的基础骨干网络，并利用ISTFT来高效重构时域信号，实现波形的上采样，避免传统转置卷积的冗余计算，加速推理。本发明能够有效提升语音合成的推理速度、情感表达能力和风格控制的灵活性，为跨语言多样化语音合成提供了新的解决方案，为语音合成技术向更高效、更智能的方向发展提供参考。

本发明授权基于VITS改进的语音合成方法与系统在权利要求书中公布了：1.一种基于VITS改进的语音合成方法，其特征在于，所述方法包括如下步骤： 在训练阶段： 以VITS模型作为基础模型，并给定输入文本以及原始语音信号，将输入文本以及原始语音信号输入基础模型； 利用基于大语言模型的语义编码器进行音素化编码，以捕获输入文本的情感、意图和说话风格，生成包含深层语义信息的增强文本嵌入； 将原始语音信号采用短时傅里叶变换，生成线性谱，并输入至后验编码器中，得到语音后验分布，并采样得到潜变量； 将潜变量输入至解码器，生成频域声学特征，再将频域声学特征进行逆短时傅里叶变换，重构为时域语音波形，得到重建语音信号； 将增强文本嵌入与潜变量输入至MAS模块进行单调对齐搜索，并在单调对齐搜索过程中，引入随训练推进尺度逐步衰减的随机扰动，得到对齐路径； 将增强文本嵌入输入至随机时长预测器中，以得到每个音素的预测时长； 将增强文本嵌入根据对齐路径进行对齐，并输入至先验编码器中，以生成文本先验分布； 基于重建语音信号、原始语音信号、预测时长、文本先验分布以及语音后验分布构建总损失函数，根据总损失函数，采用对抗学习方式对基础模型进行训练，训练完成后，得到语音合成模型； 在推理阶段： 将验证文本输入语音合成模型，将每个音素的预测时长作为增强文本嵌入的对齐基准进行对齐，并输入至先验编码器，以生成文本先验分布； 对文本先验分布进行采样，并输入解码器中，得到语音合成结果； 总损失函数存在如下关系式： ； 其中，分别表示重建损失、KL损失、时长损失、对抗训练损失、特征匹配损失以及多子带尺度损失；表示总损失函数； 其中，多子带尺度损失的计算过程存在如下关系式： ； 其中，表示尺度总数，表示第i个尺度的损失权重，表示第i个尺度的损失，第i个尺度的损失的计算过程存在如下关系式： ； 其中，分别表示第i个尺度中的频谱收敛损失、对数幅度谱L1损失、线性幅度谱L1损失、相位一致性损失以及复数频谱L2损失；表示对应的权重； 其中，频谱收敛损失的计算过程存在如下关系式： ； 其中，表示原始语音信号，表示重建语音信号的第i个尺度的复数频谱，表示原始语音信号的第i个尺度的复数频谱，表示Frobenius范数，表示数值稳定性常数； 对数幅度谱L1损失的计算过程存在如下关系式： ； 其中，表示第i个尺度的频率bin数量，表示第i个尺度的时间帧数，表示重建语音信号的第i个尺度下频率索引f和时间帧t处的幅度值，表示原始语音信号的第i个尺度下频率索引f和时间帧t处的幅度值； 线性幅度谱L1损失的计算过程存在如下关系式： ； 相位一致性损失的计算过程存在如下关系式： ； 其中，表示重建语音信号的第i个尺度的相位谱，表示原始语音信号的第i个尺度的相位谱； 复数频谱L2损失的计算过程存在如下关系式： ； 其中，表示重建语音信号的第i个尺度的复数频谱，表示原始语音信号的第i个尺度的复数频谱。

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豫章师范学院，其通讯地址为：330000 江西省南昌市梅岭大道1999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。