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！

龙图腾网获悉腾讯科技(深圳)有限公司申请的专利语音数据处理方法、模型训练方法、装置及存储介质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：CN115731917B 。

龙图腾网通过国家知识产权局官网在2025-12-12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：202111006259.3，技术领域涉及：G10L15/02；该发明授权语音数据处理方法、模型训练方法、装置及存储介质是由李振阳设计研发完成，并于2021-08-30向国家知识产权局提交的专利申请。

本语音数据处理方法、模型训练方法、装置及存储介质在说明书摘要公布了：本申请公开了一种语音数据处理方法、模型训练方法、装置及存储介质,通过融合了语音数据中的音素特征和视频图像数据中的视觉特征进行语音识别，视觉特征模态的融合丰富了用于进行语音识别的特征，能有效提高语音识别的准确性，另外，本申请不仅对每个视频帧和音频帧进行提取，而且对第一音素特征信息和第一视觉特征信息分别通过第一全连接层和第二全连接层进行特征分类后再融合拼接，使语音数据中的音素特征信息和视频数据中的视觉特征能够更加充分地融合，进一步提高了语音识别的准确性。本申请实施例提供的语音数据处理方法、模型训练方法、装置及存储介质可以应用于视频播放、直播、视像会议、云技术、人工智能、智慧交通、车联网等各种场景。

本发明授权语音数据处理方法、模型训练方法、装置及存储介质在权利要求书中公布了：1.一种语音数据处理方法，其特征在于，包括以下步骤： 获取发声对象的视频数据，对所述视频数据进行分离，得到所述发声对象的语音数据和原始视频图像数据，提取所述原始视频图像数据中所述发声对象的唇部动作视频图像，得到视频图像数据;或者，获取发声对象的视频数据，在所述视频数据中分离出原始视频图像数据，提取所述原始视频图像数据中所述发声对象的唇部动作视频图像，得到视频图像数据，并在所述视频数据中提取出与所述视频图像数据在时序上对应的语音数据，其中，所述语音数据包括多个音频帧，所述视频图像数据包括多个图像帧； 对所述语音数据中的各个所述音频帧进行音素特征提取，得到多个语音音素特征，对多个所述语音音素特征进行拼接，得到第一音素特征信息； 将所述第一音素特征信息输入至第一全连接层进行特征分类，得到第二音素特征信息； 对所述视频图像数据中的各个所述图像帧进行视觉特征提取，得到多个视觉特征，对多个所述视觉特征进行拼接，得到第一视觉特征信息； 将所述第一视觉特征信息输入至第二全连接层进行特征分类，得到第二视觉特征信息； 将所述第二音素特征信息和所述第二视觉特征信息进行拼接，得到融合特征信息； 对所述融合特征信息进行语音识别，得到与所述语音数据对应的语音内容信息。

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腾讯科技(深圳)有限公司，其通讯地址为：518000 广东省深圳市南山区高新区科技中一路腾讯大厦35层；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。