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！

龙图腾网获悉合肥工业大学申请的专利鲁棒智能合成语音说话人确认模型的训练方法和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：CN116597843B 。

龙图腾网通过国家知识产权局官网在2026-03-24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：202310654525.6，技术领域涉及：G10L17/04；该发明授权鲁棒智能合成语音说话人确认模型的训练方法和系统是由苏兆品;张国富;岳峰;李菲设计研发完成，并于2023-06-02向国家知识产权局提交的专利申请。

本鲁棒智能合成语音说话人确认模型的训练方法和系统在说明书摘要公布了：本发明提供一种鲁棒智能合成语音说话人确认模型的训练方法、系统、存储介质和电子设备，涉及语音处理技术领域。本发明提供的鲁棒智能合成语音说话人确认模型，用于提高强背景噪声条件下智能合成语音的说话人确认精确度，包括语音增强网络、特征提取网络和特征增强模块。在模型的训练阶段，带噪智能合成语音数据集的训练集经过STFT特征预处理和Fbank特征预处理后分别输送到语音增强网络、特征提取网络中，并通过特征增强模块将两个网络建立联系进行联合训练，获取具有抗噪鲁棒性的说话人嵌入特征。在测试阶段，基于带噪智能合成语音数据集的测试集进行模型测试；重复执行前述训练测试交替进行的方式进行最优模型选择，直到训练迭代次数达到设定最大值。

本发明授权鲁棒智能合成语音说话人确认模型的训练方法和系统在权利要求书中公布了：1.一种鲁棒智能合成语音说话人确认模型的训练方法，其特征在于，所述智能合成语音说话人确认模型包括语音增强网络、特征提取网络和特征增强模块；所述训练方法包括： S1、获取纯净语音数据集和噪声数据集，构建带噪智能合成语音数据集，并划分为训练集和测试集； S2、训练阶段： 针对所述训练集的含噪语音进行特征预处理，分别获取相应的STFT特征和Fbank特征； 将所述STFT特征作为语音增强网络的输入，编码后基于语音增强网络的中间传输层获取总自适应融合特征，解码所述总自适应融合特征获取解码特征； 将所述总自适应融合特征作为特征增强模块的输入，并将所述特征增强模块的输出与Fbank特征进行特征拼接，获取增强特征； 将所述增强特征作为特征提取网络的输入，获取说话人嵌入特征； S3、测试阶段：基于所述测试集进行模型测试； S4、重复执行训练测试交替进行的方式进行最优模型选择，直到训练迭代次数达到设定的最大值； 所述语音增强网络依次包括密集残差卷积编码器、自适应特征融合传输层、密集残差卷积解码器； 所述密集残差卷积编码器由e个膨胀卷积单元构成，每个膨胀卷积单元是由二维卷积Conv2D、归一化层BN、激活函数PReLU依次构成；且前e-1个膨胀卷积单元设计为密集残差连接； 所述自适应特征融合传输层包括CBAM自适应特征融合模块和Sigmoid门控自适应特征融合模块；其中，所述CBAM自适应特征融合模块包括DPRNN模块、Conformer模块和CBAM模块；所述Sigmoid门控自适应特征融合模块依次由二维卷积Conv2D、归一化层BN、激活函数Sigmoid构成； 所述密集残差卷积解码器由e个膨胀反卷积单元构成，每个膨胀反卷积单元是由二维反卷积Conv2DTranspose、归一化层BN、激活函数PReLU依次构成；且前e-1个膨胀反卷积单元设计密集残差连接。

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合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193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。