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)獲悉國際商業(yè)機(jī)器公司申請(qǐng)的專利從視頻生成同步的聲音獲國家發(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：CN114787920B 。

龍圖騰網(wǎng)通過國家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-08-19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：202180007102.4，技術(shù)領(lǐng)域涉及：G10L25/57；該發(fā)明授權(quán)從視頻生成同步的聲音是由張陽;淦創(chuàng);王大闊設(shè)計(jì)研發(fā)完成，并于2021-01-11向國家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本從視頻生成同步的聲音在說明書摘要公布了：本文的實(shí)施例描述了當(dāng)訓(xùn)練機(jī)器學(xué)習(xí)ML系統(tǒng)時(shí)使用的音頻轉(zhuǎn)發(fā)正則化器和信息瓶頸。音頻轉(zhuǎn)發(fā)正則化器接收音頻訓(xùn)練數(shù)據(jù)，并識(shí)別訓(xùn)練數(shù)據(jù)中的視覺不相關(guān)聲音和視覺相關(guān)聲音。通過控制信息瓶頸，音頻轉(zhuǎn)發(fā)正則化器將主要涉及視覺不相關(guān)聲音的數(shù)據(jù)轉(zhuǎn)發(fā)到生成器，同時(shí)濾除視覺相關(guān)聲音。生成器還從視覺編碼器接收關(guān)于視覺對(duì)象的數(shù)據(jù)，該數(shù)據(jù)是從視覺訓(xùn)練數(shù)據(jù)導(dǎo)出的。由此，當(dāng)被訓(xùn)練時(shí)，生成器接收關(guān)于視覺對(duì)象的數(shù)據(jù)和關(guān)于視覺不相關(guān)聲音的數(shù)據(jù)但幾乎沒有或沒有關(guān)于視覺相關(guān)聲音的數(shù)據(jù)。由此，在執(zhí)行階段期間，生成器可生成與視覺對(duì)象相關(guān)的聲音，而不將視覺不相關(guān)聲音添加到視頻。

本發(fā)明授權(quán)從視頻生成同步的聲音在權(quán)利要求書中公布了：1.一種用于識(shí)別視覺相關(guān)聲音的方法，所述方法包括： 在包括第一ML模型的視覺編碼器處接收視覺訓(xùn)練數(shù)據(jù)； 使用所述第一ML模型識(shí)別與所述視覺訓(xùn)練數(shù)據(jù)中的視覺對(duì)象相對(duì)應(yīng)的數(shù)據(jù)； 在包括第二ML模型的音頻轉(zhuǎn)發(fā)正則化器處接收與所述視覺訓(xùn)練數(shù)據(jù)同步的音頻訓(xùn)練數(shù)據(jù)，其中所述音頻訓(xùn)練數(shù)據(jù)包括均與包括所述視覺對(duì)象的所述視覺訓(xùn)練數(shù)據(jù)中的相同幀同步的視覺相關(guān)聲音和視覺不相關(guān)聲音，其中所述視覺相關(guān)聲音對(duì)應(yīng)于所述視覺對(duì)象，但所述視覺不相關(guān)聲音由在所述相同幀中不可見的音頻源生成； 使用信息瓶頸從所述第二ML模型的輸出中濾除與所述視覺相關(guān)聲音對(duì)應(yīng)的數(shù)據(jù)，使得與所述視覺不相關(guān)聲音對(duì)應(yīng)的數(shù)據(jù)主要從所述信息瓶頸輸出；以及 使用對(duì)應(yīng)于所述視覺對(duì)象的數(shù)據(jù)和從所述信息瓶頸接收的對(duì)應(yīng)于所述視覺不相關(guān)聲音的數(shù)據(jù)來訓(xùn)練所述第一ML模型和所述第二ML模型下游的第三ML模型。

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)人國際商業(yè)機(jī)器公司，其通訊地址為：美國紐約；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)”。