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！

龙图腾网获悉中国传媒大学申请的专利基于视觉风格特征的多样性增强协同语音动作生成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：CN119540034B 。

龙图腾网通过国家知识产权局官网在2025-08-08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：202411588620.1，技术领域涉及：G06T3/04；该发明授权基于视觉风格特征的多样性增强协同语音动作生成系统是由孟明;穆柯;王妍;侯小萍;崔鸣宇;朱永贵;范肇心设计研发完成，并于2024-11-08向国家知识产权局提交的专利申请。

本基于视觉风格特征的多样性增强协同语音动作生成系统在说明书摘要公布了：本发明公开了基于视觉风格特征的多样性增强协同语音动作生成系统，所述系统包括：特征提取多样性增强模块将参考视频输入到3D人体姿态估计网络中以获得styleclips。通过引入额外的styleclips，可以获取更多的特征信息，从而增加动作的多样性。风格编码器多样性补偿模块利用具有附加注意力机制池化层的transformer风格编码器来有效提取styleclips的深度学习表示。最后，动作预测器多样性驱动模块采用交叉注意力机制，将MFCC和风格代码进行融合，在交叉条件自回归生成动作过程中进行影响，从而调节生成的动作来增加多样性。所述方法在保持动作自然度的同时，显著提高了生成动作的多样性。

本发明授权基于视觉风格特征的多样性增强协同语音动作生成系统在权利要求书中公布了：1.一种基于视觉风格特征的多样性增强协同语音动作生成系统，其特征在于，所述系统包括特征提取多样性增强模块、风格编码器多样性补偿模块、动作预测器多样性驱动模块，其中， 所述特征提取多样性增强模块用于对输入的音频信息及参考视频信息进行特征提取及特征增强：对于输入的音频信息分别基于最新的自监督预训练语音模型Wav2Vec2.0编码器，提取丰富的音素信息和采用梅尔频率倒谱系数特征来表示音频信号特征；对于输入的参考视频信息将其转化为顺序动作参数，即初始动作序列，并称之为styleclips； 所述风格编码器多样性补偿模块用于通过附加自注意力池化层的transformer风格编码器将所述styleclips表示为深度特征风格代码； 所述动作预测器多样性驱动模块用于通过交叉注意力机制，利用风格代码调制基于音频信息提取的梅尔频率倒谱系数特征，将深度特征风格代码和梅尔频率倒谱系数特征进行特征融合，并在时间自回归网络中进行调制后输出第一结果；还用于利用身份信息对Wav2Vec2.0编码器提取的音素信息的编码结果进行调制后输出第二结果，将第一结果与第二结果输入解码器获得最终动作。

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中国传媒大学，其通讯地址为：100024 北京市朝阳区定福庄东街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”。