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！

龙图腾网获悉中电信人工智能科技(北京)有限公司申请的专利基于多状态时序建模的智能断句活动语音检测方法、装置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：CN120564768B 。

龙图腾网通过国家知识产权局官网在2025-10-28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：202511061604.1，技术领域涉及：G10L25/87；该发明授权基于多状态时序建模的智能断句活动语音检测方法、装置是由朱学超;康健;李杰;李永翔;李学龙设计研发完成，并于2025-07-30向国家知识产权局提交的专利申请。

本基于多状态时序建模的智能断句活动语音检测方法、装置在说明书摘要公布了：本申请公开了一种基于多状态时序建模的智能断句活动语音检测方法、装置。其中，该方法包括：接收至少一个通道的音频信号；采用与通道数量对应的目标语音识别模型提取音频信号的声学特征序列；确定声学特征序列所对应的每个语音帧属于不同语音活动状态的概率分布，得到每个通道对应的状态序列，其中，语音活动状态包括以下至少之一：起始静音状态、语音状态、话轮内停顿静音状态、话轮间断句静音状态；依据状态序列，确定音频信号中发生断句的时间。本申请解决了相关技术中基于固定沉默阈值的语音活动检测存在错误断句的技术问题。

本发明授权基于多状态时序建模的智能断句活动语音检测方法、装置在权利要求书中公布了：1.一种基于多状态时序建模的智能断句活动语音检测方法，其特征在于，包括： 接收至少一个通道的音频信号； 采用与通道数量对应的目标语音识别模型提取所述音频信号的声学特征序列，其中，在所述通道数量为双通道的情况下，所述目标语音识别模型为第二语音识别模型，所述第二语音识别模型通过以下方式训练得到：获取双通道对应的第二语音数据集，并确定所述第二语音数据集中每个语音帧所属的第二语音活动状态，其中，所述第二语音活动状态包括真实的话轮转换时间点；依据所述第二语音数据集训练第二初始语音识别模型，确定所述第二初始语音识别模型的第二输出结果，其中，所述第二初始语音识别模型包括两个分支，每个分支包含共享的编码器模型，两个分支的输出连接交叉注意力模块进行特征融合，所述交叉注意力模块之后连接长短期记忆网络和线性分类层；依据所述第二输出结果和所述第二语音活动状态确定状态分类损失；在所述状态分类损失不满足第二预设条件时，更新所述第二初始语音识别模型的参数，并确定更新后的第二输出结果对应的更新后的状态分类损失，直至所述更新后的状态分类损失满足所述第二预设条件时停止训练，得到所述第二语音识别模型；所述第二语音数据集中包括对话中说话人发生切换的时刻；通过所述第二初始语音识别模型中的编码器模型，确定所述双通道中的第一通道对应的第一特征，以及确定所述双通道中的第二通道对应的第二特征；在第一通道中使用第二特征作为查询，得到第一向量，所述第一向量用于确定融合特征；在所述通道数量为单通道的情况下，所述目标语音识别模型为第一语音识别模型，所述第一语音识别模型依据第一语音数据集训练，所述第一语音数据集中的每个语音帧都对应有第一语音活动状态，包括：起始静音状态、语音状态、话轮内停顿静音状态、话轮间断句静音状态； 确定所述声学特征序列所对应的每个语音帧属于不同语音活动状态的概率分布，得到每个通道对应的状态序列，其中，所述语音活动状态包括以下至少之一：起始静音状态、语音状态、话轮内停顿静音状态、话轮间断句静音状态，所述起始静音状态用于过滤掉录音开始时的非语音部分； 依据所述状态序列，确定所述音频信号中发生断句的时间。

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电信人工智能科技(北京)有限公司，其通讯地址为：100034 北京市西城区西四北大街156、158、160号2幢1至2层2-6、2-9内01；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。