1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 行业资料
  5. 国内专利

一种基于多尺度视频特征融合的语音唇读方法及系统.pdfVIP

一种基于多尺度视频特征融合的语音唇读方法及系统.pdf

    1. 1、本文档共14页，其中可免费阅读13页，需付费10金币后方可阅读剩余内容。
    2. 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
    3. 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    4. 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    5. 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
    6. 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
    7. 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
    8. 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
    查看更多
    本发明提供了一种基于多尺度视频特征融合的语音唇读方法及系统，其中，基于多尺度视频特征融合的语音唇读方法，步骤如下：首先将输入视频的视频帧和语音分离，视频帧用不同大小的滑动窗口划分为多个尺度并构造出n个时间金字塔，再利用3D卷积提取各时间金字塔内各时间尺度的视频特征之后，将视频特征通过多尺度特征融合模块，得到一个固定维度的中间向量，然后再通过使用解码器将中间特征向量合成对应语音的Mel频谱图，最后将得到的Mel谱通过声码器合成语音。本发明主要应用于语音唇读，大大改善了语音合成的效果。

    (19)国家知识产权局 (12)发明专利 (10)授权公告号 CN 113450824 B (45)授权公告日 2022.08.16 (21)申请号 202110716761.7 G06V 40/20 (2022.01)

    您可能关注的文档

    最近下载

    文档评论（0）

    知识产权出版社 + 关注
    官方认证
    文档贡献者

    知识产权出版社有限责任公司（原名专利文献出版社）成立于1980年8月，由国家知识产权局主管、主办。长期以来， 知识产权出版社非常重视专利数据资源的建设工作， 经过多年来的积累，已经收藏了数以亿计的中外专利数据资源。

    咨询Ta 进入空间
    认证主体北京中献电子技术开发有限公司
    IP属地四川
    统一社会信用代码/组织机构代码
    91110108102011667U

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >