買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)獲悉思必馳科技股份有限公司申請(qǐng)的專利視聽語音分離模型的訓(xùn)練方法、電子設(shè)備和存儲(chǔ)介質(zhì)獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN116312607B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-08發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202211573033.6，技術(shù)領(lǐng)域涉及：G10L21/0272；該發(fā)明授權(quán)視聽語音分離模型的訓(xùn)練方法、電子設(shè)備和存儲(chǔ)介質(zhì)是由錢彥旻;吳逸飛;李晨達(dá)設(shè)計(jì)研發(fā)完成，并于2022-12-08向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本視聽語音分離模型的訓(xùn)練方法、電子設(shè)備和存儲(chǔ)介質(zhì)在說明書摘要公布了：本發(fā)明實(shí)施例提供一種視聽語音分離模型的訓(xùn)練方法、電子設(shè)備和存儲(chǔ)介質(zhì)。該方法包括：將多個(gè)說話人的混合訓(xùn)練音頻輸入至視聽語音分離模型，得到多個(gè)說話人的預(yù)測(cè)頻譜圖；確定預(yù)測(cè)頻譜圖的預(yù)測(cè)說話人視聽特征以及混合訓(xùn)練音頻的參考頻譜圖的參考說話人視聽特征；基于預(yù)測(cè)說話人視聽特征以及參考說話人視聽特征確定的跨模態(tài)損失，通過交叉方向乘子法利用跨模態(tài)損失對(duì)視聽語音分離模型進(jìn)行混合精度量化條件的訓(xùn)練，得到輕量級(jí)的視聽語音分離模型。本發(fā)明實(shí)施例基于交叉方向乘子法對(duì)模型進(jìn)行量化調(diào)優(yōu)訓(xùn)練出輕量級(jí)的視聽語音分離模型，并且通過多模態(tài)模型能夠充分利用不同模態(tài)對(duì)量化敏感度特性確保了輕量級(jí)的視聽語音分離模型計(jì)算量與性能的平衡。

本發(fā)明授權(quán)視聽語音分離模型的訓(xùn)練方法、電子設(shè)備和存儲(chǔ)介質(zhì)在權(quán)利要求書中公布了：1.一種視聽語音分離模型的訓(xùn)練方法，包括： 將多個(gè)說話人的混合訓(xùn)練音頻輸入至視聽語音分離模型，得到所述多個(gè)說話人的預(yù)測(cè)頻譜圖； 確定所述預(yù)測(cè)頻譜圖的預(yù)測(cè)說話人視聽特征以及所述混合訓(xùn)練音頻的參考頻譜圖的參考說話人視聽特征； 基于所述預(yù)測(cè)說話人視聽特征以及所述參考說話人視聽特征確定的跨模態(tài)損失，通過交叉方向乘子法利用所述跨模態(tài)損失對(duì)所述視聽語音分離模型進(jìn)行混合精度量化條件的訓(xùn)練，得到輕量級(jí)的視聽語音分離模型，其中，所述通過交叉方向乘子法利用所述跨模態(tài)損失對(duì)所述視聽語音分離模型進(jìn)行混合精度量化條件的訓(xùn)練的函數(shù)為：LρW,G,λ＝fW+ρ2||W-G-λ||2-ρ2||λ||，所述W為所述視聽語音分離模型的第1層至第L層參數(shù)，G＝{αiQi}L i＝1，所述α為比例因子，所述Q為量化整數(shù)矩陣，i為所述視聽語音分離模型的第i層，λ為拉格朗日乘數(shù)，ρ為所述視聽語音分離模型的超參數(shù)。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人思必馳科技股份有限公司，其通訊地址為：215123 江蘇省蘇州市蘇州工業(yè)園區(qū)新平街388號(hào)騰飛創(chuàng)新園14棟；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。