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！

龙图腾网获悉深圳市金政软件技术有限公司申请的专利基于多模态输入的语音生成方法及相关设备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：CN121053996B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202511331062.5，技术领域涉及：G10L15/26；该发明授权基于多模态输入的语音生成方法及相关设备是由曾啸;陈兆俊;吕琳;于鹏设计研发完成，并于2025-09-17向国家知识产权局提交的专利申请。

本基于多模态输入的语音生成方法及相关设备在说明书摘要公布了：本发明提供了一种基于多模态输入的语音生成方法及相关设备，方法包括接收多模态输入数据及辅助输入数据并输入多模态数据管理器进行融合处理及提取关联特征得到多模态融合特征；将多模态融合特征输入上下文状态建模器、状态和行为控制器、语音生成策略引擎、平滑过渡控制器、语音文本生成器和语音指令生成器获得目标语音指令；将目标语音指令输入语音参数控制器、语义段落拆分器、语调控制器、TTS模型引擎、后处理器和语音流控制器获得目标合成语音；将目标合成语音通过输出层进行多方式输出。本发明融合了多模态数据和辅助数据，并且能够基于融合特征的上下文指引语音生成，语音生成策略灵活多样，能够更好的满足用户需求。

本发明授权基于多模态输入的语音生成方法及相关设备在权利要求书中公布了：1.一种基于多模态输入的语音生成方法，其特征在于，包括： 接收多模态输入数据及辅助输入数据，所述多模态输入数据包括文本、图像、环境音、用户操作数据、实时信息捕获数据及扩展输入数据中的至少两种，所述辅助输入数据包括预设参数及历史输入数据； 将所述多模态输入数据及所述辅助输入数据输入预置的多模态数据管理器，通过所述多模态数据管理器对所述多模态输入数据进行融合处理，并结合所述辅助输入数据中的关联特征，得到多模态融合特征； 将所述多模态融合特征输入上下文与控制层，通过所述上下文与控制层中的上下文状态建模器、语音生成逻辑组件和语音指令生成器对所述多模态融合特征进行处理，获得目标语音指令，所述语音生成逻辑组件包括状态和行为控制器、语音生成策略引擎、平滑过渡控制器和语音文本生成器； 将所述目标语音指令输入至语音生成层，通过所述语音生成层的语音参数控制器、语音合成调度组件和语音流控制器对所述目标语音指令进行处理，获得目标合成语音，所述语音合成调度组件包括语义段落拆分器、语调控制器、TTS模型引擎和后处理器； 将所述目标合成语音通过输出层进行输出，所述输出层包括本地输出、在线下载播放、转码嵌入其他多媒体文件、推送至第三方系统及异步处理中的至少一种； 所述将所述多模态融合特征输入上下文与控制层，通过所述上下文与控制层中的上下文状态建模器、语音生成逻辑组件和语音指令生成器对所述多模态融合特征进行处理，获得目标语音指令包括： 将所述多模态融合特征输入所述上下文状态建模器，通过所述上下文状态建模器对所述多模态融合特征中的上下文关联信息进行分析，生成上下文状态信息； 将所述上下文状态信息输入所述语音生成逻辑组件，通过所述语音生成逻辑组件中的所述状态和行为控制器、所述语音生成策略引擎、所述平滑过渡控制器和所述语音文本生成器对所述上下文状态信息进行处理，获得目标语音文本； 通过所述语音指令生成器基于所述目标语音文本生成目标语音指令； 所述通过所述语音生成逻辑组件中的所述状态和行为控制器、所述语音生成策略引擎、所述平滑过渡控制器和所述语音文本生成器对所述上下文状态信息进行处理，获得目标语音文本包括： 通过所述状态和行为控制器根据所述上下文状态信息确定语音生成的目标状态及对应的行为指令； 通过所述语音生成策略引擎根据所述目标状态及所述行为指令从预设策略库中选择匹配的语音生成策略； 通过所述平滑过渡控制器根据所述语音生成策略对语音生成过程中的状态切换或参数调整进行平滑处理，输出语音文本生成指令； 根据所述语音文本生成指令控制所述语音文本生成器生成目标语音文本。

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深圳市金政软件技术有限公司，其通讯地址为：518000 广东省深圳市龙岗区坂田街道岗头社区天安云谷产业园二期4栋5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。