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！

龙图腾网获悉山东建筑大学申请的专利基于多模态三维可塑模型的单样本说话人生成方法及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：CN117750153B 。

龙图腾网通过国家知识产权局官网在2026-03-20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：202311755401.3，技术领域涉及：H04N21/81；该发明授权基于多模态三维可塑模型的单样本说话人生成方法及系统是由刘萌;李家慧;李勇强;宋雪萌;韩强;许海振;聂礼强设计研发完成，并于2023-12-18向国家知识产权局提交的专利申请。

本基于多模态三维可塑模型的单样本说话人生成方法及系统在说明书摘要公布了：本公开提供了基于多模态三维可塑模型的单样本说话人生成方法及系统，涉及说话人生成技术领域，获取音频以及参考图像，输入至多模态3DMM参数预测网络模型中，首先提取音频特征以及文本特征，并对音频特征以及文本特征进行上下文特征增强，得到注入上下文信息的音频表征和语义表征；获取初始的头部姿态嵌入参数以及初始表情描述，利用初始的头部姿态嵌入参数预测下一时刻的头部姿态参数；利用初始表情描述预测下一时刻表情参数，将预测的头部姿态参数和表情参数融合嵌入至参考图像中，通过视频合成网络将多帧图像合成说话人的头部视频序列。

本发明授权基于多模态三维可塑模型的单样本说话人生成方法及系统在权利要求书中公布了：1.基于多模态三维可塑模型的单样本说话人生成方法，其特征在于，包括： 获取音频数据和参考图像，将音频数据输入至多模态3DMM参数预测网络模型中，首先提取音频特征以及文本特征，并对音频特征以及文本特征进行上下文特征增强，得到注入上下文信息的音频表征和语义表征； 所述对音频特征以及文本特征进行上下文特征增强，采用面向音频的编码器和面向文本的编码器； 音频编码器的架构由一个四层双向LSTM和一个全连接层组成，该编码器数学表达为： 其中，表示最终富含上下文的音频表征； 文本编码器的架构由一个四层时序卷积网络TemporalConvolutionalNetwork组成，这种设计旨在熟练地捕获文本特征中交织的扩展时间依赖性，该编码器数学表达为： 其中，表示从输入中派生出的对上下文敏感的语义表征； 利用参考图像获取初始的头部姿态嵌入参数以及初始表情描述，利用初始的头部姿态嵌入参数和下一时刻音频表征以及语义表征融合预测下一时刻的头部姿态参数；利用初始表情描述融合下一时刻音频表征预测下一时刻表情参数； 将预测的头部姿态参数和表情参数融合嵌入至参考图像中，通过视频合成网络将多帧图像合成说话人的头部视频序列。

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山东建筑大学，其通讯地址为：250000 山东省济南市历城区临港开发区凤鸣路1000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。