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！

龙图腾网获悉湖南大学;湖南大学深圳研究院申请的专利一种基于深度学习的协同语音手势生成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：CN119577686B 。

龙图腾网通过国家知识产权局官网在2026-04-10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：202411741973.0，技术领域涉及：G06F18/25；该发明授权一种基于深度学习的协同语音手势生成方法及系统是由张子兴;李嘉骏;王彬;刘一鸣;赵欢设计研发完成，并于2024-11-29向国家知识产权局提交的专利申请。

本一种基于深度学习的协同语音手势生成方法及系统在说明书摘要公布了：本发明公开了一种基于深度学习的协同语音手势生成方法及系统，方法包括：获取初始手势序列，对初始手势序列进行前向扩散，得到扰动序列；获取语音特征、初始姿态特征和时间嵌入向量，对语音特征、初始姿态特征和时间嵌入向量进行跨模态融合，得到多模态特征；使用扩展长短期记忆网络在多模特征的指导下对扰动序列迭代去噪，得到新的手势序列。本发明结合使用扩展长短期记忆网络与扩展模型，能够有效捕捉到不同多模态特征与手势之间的相关性，帮助从条件信息中推断自然且富有表现力的手势，使得生成的协同手势具有更高的质量和多样性。

本发明授权一种基于深度学习的协同语音手势生成方法及系统在权利要求书中公布了：1.一种基于深度学习的协同语音手势生成方法，其特征在于，包括以下步骤： 获取初始手势序列，对初始手势序列进行前向扩散，得到扰动序列，对初始手势序列进行前向扩散时，具体是对初始手势序列应用前向扩散过程，逐步加入高斯噪声，表达式如下： 其中，表示初始手势序列，表示时间相关的缩放因子，表示从正态分布采样的高斯噪声； 获取语音特征、初始姿态特征和时间嵌入向量，对语音特征、初始姿态特征和时间嵌入向量进行跨模态融合，得到多模态特征，对语音特征、初始姿态特征和时间嵌入向量进行跨模态融合时，具体包括： 将语音特征、初始姿态特征和时间嵌入向量融合为特征向量，表达式如下： 其中，表示语音特征，表示初始姿态特征，表示时间嵌入向量，表示拼接操作； 将特征向量经由线性层、tanh激活、线性层和ReLU激活函数进行压缩，然后将压缩后的特征向量经过MLP层解压，将解压后的特征向量作为多模态特征； 使用扩展长短期记忆网络在多模特征的指导下对扰动序列迭代去噪，得到新的手势序列，使用扩展长短期记忆网络在多模特征的指导下对扰动序列迭代去噪时，具体包括： 对扰动序列去除噪声，表达式如下 其中，表示在t时刻状态和条件变量时，的概率分布，表示时刻t的扰动序列，表示多模态特征，表示服从的正态分布，表示正态分布的均值，表示正态分布的协方差矩阵，其中表示时间步相关的标量方差，为单位矩阵，表示偏置； 将去除噪声后的扰动序列以及多模态特征输入扩展长短期记忆网络，使得扩展长短期记忆网络在每一步更新隐藏状态，表达式如下： 其中，为第t步的隐藏状态，为第t步的上一步的隐藏状态； 使用解码器从更新后的隐藏状态生成去噪后的手势序列。

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湖南大学;湖南大学深圳研究院，其通讯地址为：410082 湖南省长沙市岳麓区麓山南路麓山门；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。