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！

龙图腾网获悉乐元素科技(北京)股份有限公司申请的专利一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型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：CN120636425B 。

龙图腾网通过国家知识产权局官网在2026-04-17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：202510815121.X，技术领域涉及：G10L21/013；该发明授权一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型是由方祖林;王琦;智小楠;丁彧设计研发完成，并于2025-06-18向国家知识产权局提交的专利申请。

本一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型在说明书摘要公布了：本发明公开了一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型，包括声学模型和声码器；所述声学模型包括说话人编码器、内容编码器、归一化流、后验编码器、梅尔解码器和判别器。优点是：在提高语音转换模型训练效率、音质表现、情感表达与交互控制等方面均实现了显著技术突破，为高质量、可控性强的语音合成系统提供了全新解决方案，具备良好的实用价值与产业应用前景。

本发明授权一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型在权利要求书中公布了：1.一种基于声学模型和声码器解耦架构的高效训练及高表现力语音转换模型，其特征在于：包括声学模型和声码器； 所述声学模型包括， 说话人编码器：用于根据输入数据的梅尔谱图获取说话人向量s；用于根据梅尔解码器获取的梅尔谱图获取说话人向量s_hat； 内容编码器：用于根据输入数据的内容特征并加入说话人向量s，计算获取先验分布z_p； 归一化流：用于通过匹配先验分布z_p和后验分布z计算KL损失； 后验编码器：用于根据输入数据的线性谱图并加入说话人向量s，编码获取后验分布z； 梅尔解码器：用于根据后验分布z并加入说话人向量s，解码获取梅尔谱图； 判别器：用于根据梅尔解码器得到的梅尔谱图计算对抗损失； 所述声码器：用于根据梅尔解码器得到的梅尔谱图获取语音音频； 语音转换模型的训练过程为， 训练数据的梅尔谱图经过说话人编码器得到说话人向量s，训练数据的线性谱图输入到后验编码器并加入说话人向量s编码得到后验分布z，后验分布z经过梅尔解码器并加入说话人向量s解码得到梅尔谱图；训练数据的内容特征经过内容编码器并加入说话人向量s得到先验分布z_p； 将梅尔解码器得到的梅尔谱图输入到判别器中计算对抗损失，将先验分布z_p和后验分布z通过归一化流进行匹配，并计算KL损失；利用梅尔解码器得到的梅尔谱图与训练数据的梅尔谱图计算梅尔损失；将梅尔解码器得到的梅尔谱图输入到说话人编码器中得到生成谱图的说话人向量s_hat，利用说话人向量s和说话人向量s_hat计算说话人损失； 训练过程中，利用对抗损失、KL损失、梅尔损失、说话人损失共同优化语音转换模型参数； 语音转换模型的推理过程为， 输入音频的内容特征和目标音色的梅尔谱图，目标音色的梅尔谱图经过说话人编码器得到说话人向量，内容特征输入到内容编码器并且加入说话人向量，再经过归一化流得到潜变量，潜变量经过梅尔解码器并且加入说话人向量得到梅尔谱图，最后将梅尔谱图输入到声码器中得到语音音频； 所述梅尔解码器包括上一维卷积层、门控单元和下一维卷积层；所述梅尔解码器的工作过程为， 将潜变量经过一维卷积层后得到隐特征与说话人向量一起输入到门控单元中进行特征融合，将融合之后的特征再经过一维卷积层得到输出，将以上过程重复N次，输出梅尔谱图； 所述判别器包括多感受野的一维卷积和多感受野的二维卷积，多感受野的一维卷积能够有效建模短时与长时的时序依赖，多感受野二维卷积能够提取时频联合的局部结构特征；所述判别器的工作过程为， 真实梅尔谱图和合成的梅尔谱图分别输入到判别器中，使用多个不同感受野的一维卷积和多个不同感受野的二维卷积分别提取特征图，将不同感受野的特征图进行比对计算出对抗损失。

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乐元素科技(北京)股份有限公司，其通讯地址为：100041 北京市石景山区料仓路6号院15号楼7层101A室；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。