音频处理方法、装置、设备、程序产品及存储介质
公开
摘要
本申请提供了一种基于人工智能的音频处理方法、装置、电子设备、计算机程序产品及计算机可读存储介质；方法包括：获取给定文本的至少一个音素，并确定每个所述音素的音素特征；获取对应所述给定文本的音频数据的至少一个音频帧，并确定每个所述音频帧的音频特征；针对每个所述音频帧执行以下处理：对所述音频帧的音频特征以及至少一个所述音素的音素特征进行基于注意力机制的融合处理，得到对应每个所述音频帧的融合特征；基于每个所述音频帧的融合特征，确定每个所述音频帧对应的音素，并基于每个所述音频帧对应的音素，确定每个所述音素在所述音频数据中的起止时刻。通过本申请，能够提高音素的对齐的准确度。
基本信息
专利标题 ：
音频处理方法、装置、设备、程序产品及存储介质
专利标题（英）：
暂无
公开（公告）号 ：
CN114360504A
申请号 ：
CN202111421900.X
公开（公告）日 ：
2022-04-15
申请日 ：
2021-11-26
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
林炳怀王丽园
申请人 ：
腾讯科技（深圳）有限公司
申请人地址 ：
广东省深圳市南山区高新区科技中一路腾讯大厦35层
代理机构 ：
北京派特恩知识产权代理有限公司
代理人 ：
彭奇
优先权 ：
CN202111421900.X
主分类号 ：
G10L15/02
IPC分类号 ：
G10L15/02 G10L15/06 G10L15/14 G10L15/16 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G10
乐器；声学
G10L
语音分析或合成；语音识别；语音或声音处理；语音或音频编码或解码
G10L15/00
语音识别
G10L15/02
语音识别的特征提取；识别单位的选择
法律状态
2022-04-15 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
