-
公开(公告)号：CN118016081B
公开(公告)日：2024-06-21
申请号：CN202410423860.X
申请日：2024-04-10
摘要： 本公开提供了基于语音质量分级模型的变速率语音编码方法及系统，涉及语音信号处理技术领域，包括：获取编码器不同误码率下得到的合成语音文件；将所述合成语音文件输入至语音质量分级模型中，得到语音质量的预测结果；对未来可能出现的语音质量的变化情况进行模态划分；其中，语音质量的变化情况包括三种模态，分别为平衡态、休眠态以及激活态；判断当前预测出的语音质量的所属模态，并根据当前所属模态，实时地对语音编码的速率进行自适应调整，在语音编码的自然度、可懂度和系统容量间得到最佳平衡。
-
公开(公告)号：CN118016081A
公开(公告)日：2024-05-10
申请号：CN202410423860.X
申请日：2024-04-10
摘要： 本公开提供了基于语音质量分级模型的变速率语音编码方法及系统，涉及语音信号处理技术领域，包括：获取编码器不同误码率下得到的合成语音文件；将所述合成语音文件输入至语音质量分级模型中，得到语音质量的预测结果；对未来可能出现的语音质量的变化情况进行模态划分；其中，语音质量的变化情况包括三种模态，分别为平衡态、休眠态以及激活态；判断当前预测出的语音质量的所属模态，并根据当前所属模态，实时地对语音编码的速率进行自适应调整，在语音编码的自然度、可懂度和系统容量间得到最佳平衡。
-
公开(公告)号：CN118335092B
公开(公告)日：2024-08-30
申请号：CN202410748437.7
申请日：2024-06-12
摘要： 本发明属于语音信号处理技术领域，提供了一种基于多尺度残差注意力的语音压缩方法及系统，包括获取语音信号；对语音信号进行卷积操作，得到第一特征，对第一特征进行操作，得到第一特征的残差和恒等映射；将残差和恒等映射相加得到第一输出特征，对第一输出特征进行特征提取，经过多次操作得到注意力分数，将注意力分数分别与残差和恒等映射相乘，经过多次操作得到第三输出特征；对第三输出特征进行多级迭代量化，得到第一矢量，第二网络根据接收到的第一矢量的索引，在码本中找到相应的量化矢量，将所有量化矢量相加，得到重构矢量；对重构矢量解码输出合成语音，并对生成语音的真伪通过判别器进行判断。本发明能够提高合成语音的质量。
-
公开(公告)号：CN118335092A
公开(公告)日：2024-07-12
申请号：CN202410748437.7
申请日：2024-06-12
摘要： 本发明属于语音信号处理技术领域，提供了一种基于多尺度残差注意力的语音压缩方法及系统，包括获取语音信号；对语音信号进行卷积操作，得到第一特征，对第一特征进行操作，得到第一特征的残差和恒等映射；将残差和恒等映射相加得到第一输出特征，对第一输出特征进行特征提取，经过多次操作得到注意力分数，将注意力分数分别与残差和恒等映射相乘，经过多次操作得到第三输出特征；对第三输出特征进行多级迭代量化，得到第一矢量，第二网络根据接收到的第一矢量的索引，在码本中找到相应的量化矢量，将所有量化矢量相加，得到重构矢量；对重构矢量解码输出合成语音，并对生成语音的真伪通过判别器进行判断。本发明能够提高合成语音的质量。
-
-
-
搜索结果
4 条记录 (耗时 0.047 秒)
