清华大学深圳国际研究生院;清华大学吴志勇获国家专利权
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！
龙图腾网获悉清华大学深圳国际研究生院;清华大学申请的专利一种基于自然语言描述文本的高表现力音频生成方法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：CN119274533B 。
龙图腾网通过国家知识产权局官网在2025-11-28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：202411028162.6，技术领域涉及：G10L13/08；该发明授权一种基于自然语言描述文本的高表现力音频生成方法是由吴志勇;周逸轩;秦霄羽;贾珈;金泽宇;周朔亦;雷舜;周松涛设计研发完成，并于2024-07-30向国家知识产权局提交的专利申请。
本一种基于自然语言描述文本的高表现力音频生成方法在说明书摘要公布了：一种基于自然语言描述文本的高表现力音频生成方法，包括：S1：利用预训练多语言文本编码器对输入的自然语言描述指令进行编码，提取语义信息；S2：以文本编码表征作为条件，通过自回归模型AR依次预测音频的语义单元序列，其表示音频中出现的内容事件信息；S3：以文本编码表征和S2输出的音频语义单元序列作为前缀条件，通过AR预测音频的粗粒度声学单元序列，决定音频整体时长和基本声学信息；S4：利用非自回归模型NAR预测音频的细粒度声学单元序列，建模音频细节表现和高频信息；S5：将多层声学单元序列输入声码器，生成高质量的音频波形。该方法直接支持由一句自然语言描述指令来生成音频，并提升生成音频的自然度、表现力和可控性。
本发明授权一种基于自然语言描述文本的高表现力音频生成方法在权利要求书中公布了：1.一种基于自然语言描述文本的高表现力音频生成方法，其特征在于，包括以下步骤： S1：利用预训练多语言文本编码器对输入的自然语言描述指令进行编码，提取描述文本中的所有语义信息； S2：以文本编码表征作为条件，通过自回归模型AR依次预测音频的语义单元序列，所述语义单元序列表示音频中出现的内容事件信息； S3：以文本编码表征和S2输出的音频语义单元序列作为前缀条件，通过自回归模型AR预测音频的粗粒度声学单元序列，决定音频整体时长和基本声学信息； S4：利用非自回归模型NAR以多层迭代方式预测音频的细粒度声学单元序列，建模音频细节表现和高频信息；在推理时，进行有条件的续写任务，同时调整无分类器引导策略CFG参数，以决定生成音频的效果更依赖于指令控制还是参考语音控制； S5：将多层声学单元序列输入声码器，生成音频波形。
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清华大学深圳国际研究生院;清华大学，其通讯地址为：518071 广东省深圳市南山区桃源街道丽水路2279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”。
以上内容由龙图腾AI智能生成。
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号
请提出您的宝贵建议，有机会获取IP积分或其他奖励