本发明公开了一种基于多特征融合的伪造语音检测方法及装置，包括：通过提取语音中的多种特征，通过特征缩放和特征平衡矩阵将提取的特征进行融合获得融合特征，融合特征尽可能的融合了语音中的特征，然后利用融合特征训练基于长短期记忆网络的伪造语音检测模型，实现对各种伪造语音方法生成的伪造语音的检测。
📄 2021107625916
📂 G10L25_51
👤 浙江工业大学
📅 2021-07-06
一种获取纯净语音的录音方法，包括以下步骤：1)用户将需要录音的文本输入语音合成引擎TTS，并选定一个音色参数；2)收到语音合成TTS引擎输出的合成音频，逐帧进行Fourier变换，生成频域系数；3)计算该帧频谱能量；4)基于能量系数对该帧进行清音浊音检测，如果是清音跳到步骤6)，否则进行步骤5)；5)对浊音帧频谱能量的部分共振峰系数使用用户事先录制的用户自身的浊音频谱共振峰系数代替，得到修正的该帧频谱能量系数；6)该帧频谱能量系数使用Griffin‑lem算法处理生成频域系数；7)对该帧频域系数进行反Fourier变换恢复成时域语音信号。本发明不需要依赖任何麦克风设备即能实现高纯净的语音录音。
📄 2019100177625
📂 G10L13_047
👤 浙江工业大学
📅 2019-01-09
一种神经网络的语音情感识别方法，包括：步骤1)语音特征MFCC的获取；步骤2)输入本发明中设计的基于神经网络的语音情感识别网络进行语音情感识别；步骤3)获得语音情感识别结果。本发明利用神经网络对语音信号进行情感识别，设计并实现了一个基于神经网络的语音情感识别网络，在进行语音情感识别时，仅需输入待识别的语音信号，即可得到识别的语音情感。对于输入的语音信号，语音情感识别网络能够自适应地提取出其中包含丰富情感信息的语音特征，利用情感特征来进行精确地语音情感识别。该发明对所有人都能进行准确地语音情感识别，具有较大地应用价值。
📄 2022102164528
📂 G10L25_63
👤 浙江工业大学
📅 2022-03-07
本发明提出了一种基于会议场景的噪声分类去除方法，包括以下步骤：步骤（1）：首先根据会议场景下噪声的特点，将会议场景中的非背景噪声分为非目标说话人噪声、会议设备噪声、用户行为噪声、采集设备噪声；步骤（2）：根据不同种类噪声与目标说话人语音之间在时域波形图和语谱图上的区别，利用双MIC降噪方法去除采集设备噪声，利用小波降噪方法去除用户行为噪声，利用SOX降噪方法去除会议设备噪声，利用PCA降噪方法去除非目标说话人噪声，从而去除会议场景下的噪声。本发明的优点是：能有效去除会议场景下的噪声，大大提高声纹识别系统的鲁棒性和准确率。
📄 2019101824622
📂 G10L17_02
👤 南京邮电大学
📅 2019-03-11
本发明公开了一种非平行文本条件下基于i向量的多对多说话人转换方法，包括训练阶段和转换阶段，使用了VAWGAN与i向量相结合来实现语音转换系统，能够较好地提升转换后语音的个性相似度和语音质量，实现了一种高质量的语音转换方法。此外，本方法解除对平行文本的依赖，实现了非平行文本条件下的语音转换，而且训练过程不需要任何对齐过程，本方法还可以将多个源‑目标说话人对的转换系统整合在一个转换模型中，即实现多说话人对多说话人转换。本方法在跨语种语音转换、电影配音、语音翻译等领域有较好的应用前景。
📄 2018113373380
📂 G10L13_08
👤 南京邮电大学
📅 2018-11-12
本发明公开了基于新阈值函数的小波语音去噪方法，该方法主要步骤包括：1)带噪语音产生；2)对带噪语音进行小波分解；3)对带噪语音进行小波阈值处理；4)对处理后的语音进行小波重构；5)得到去噪后语音信号；其中主要是对步骤3)进行处理，步骤3)直接决定去噪效果。步骤3)是对带噪语音进行小波分解后的小波系数进行阈值处理，主要涉及到阈值的确定以及阈值函数的选取。本发明采用的新阈值函数缓解了传统硬阈值函数不连续导致处理后信号产生振荡、软阈值函数处理信号后失真较大的问题。新的阈值函数能更好的抑制噪声，提高语音信号信噪比，减少语音失真，得到更好的去噪效果。
📄 2017104434291
📂 G10L21_0208
👤 南京邮电大学
📅 2017-06-13
本发明请求保护一种语音信号非连续传输及背景噪声生成方法，此方法包括：在语音帧向静音帧转换时加入过渡帧，根据静音帧中背景噪声的波动值大小来决定发送静音描述帧的频率。在解码端，以白噪声作为激励信号，通过线性预测编码合成滤波器后，再经过增益调整得到舒适噪声。本发明在传输噪声信号时具有较好的自适应性，并且合成的背景噪声在主观听觉上具有良好的连续性和舒适性。
📄 2013106828444
📂 G10L19_012
👤 重庆邮电大学
📅 2013-12-16
本发明提出一种基于谐波冲激分解的语音转换方法，包括如下步骤：S1，将语音信号分解成谐波信号和冲激信号；S2，将所述谐波信号进行语音转换，形成目标谐波信号；S3，将所述目标谐波信号与所述冲激信号进行叠加，形成目标语音信号。本发明采用谐波冲激分解模型对语音信号进行分解，将语音信号分解成谐波信号部分和冲激信号部分，仅对谐波信号部分做频谱分解和稀疏表示，不对冲激信号做任何处理，既能够保证信息的完全性、又可以减少信息的丢失，还有利于提高转换后语音的质量，处理过程简单、方便，推广性强，具有较高的应用前景。
📄 2018103356336
📂 G10L19_02
👤 杭州电子科技大学
📅 2018-04-16
本发明公开了一种多尺度自适应语音端点检测方法，包括步骤：读取数字音频信号；计算数字音频信号的背景信号阈值；对数字音频信号进行粗检，检出语音信号端点待选区域；对待选区域进行细检，检出语音信号端点。本发明以短时幅值和差分函数为特征，采用大尺度计算数字音频信号的背景信号阈值，既满足了短时平稳性要求，又减少了计算量，且本语音检测方法方法算法简单，检测速度快，端点定位准确，自适应性强，能够较好地满足多种环境下语音信号检测的需要，为数字音频信号后续处理打下良好基础。
📄 2018106797665
📂 G10L15_04
👤 西安红豆杉信息技术有限责任公司
📅 2018-06-27
本发明公开了一种采用非线性特征的语音端点检测方法，包括对音频信号进行预加重处理；对经过预加重处理的音频信号进行分帧处理；对每一帧音频信号进行幅值分割，计算此帧音频信号的李亚普诺夫指数；将每一帧音频信号的李亚普诺夫指数与设定的阈值做比较，判别出音频信号的端点。本发明更加针对语音的本质，在降低运算复杂度的同时，也提供了更准确的信息去完善语音端点检测系统的性能。正确有效地检测出语音段不仅可以减少计算量和缩短处理时间，而且能排除非有效语音段的噪声干扰，从而使后续语音处理工作及整个系统的识别性能得到较大的提高。
📄 2016102041700
📂 G10L25_87
👤 金陵科技学院
📅 2016-04-01
本发明涉及一种基于哈希特征的加密语音内容认证方法，其包括：输入原始语音后，通过Logistic映射和流密码RC4对原始语音进行加密以生成加密语音，对加密语音进行分帧并对每帧加密语音执行整数小波变换和离散余弦变换，通过比较低频DCT系数的均值和方差来计算哈希特征，利用差分扩展将哈希特征作为水印嵌入到IWT的细节系数的高位比特中；然后对IWT近似系数和含哈希特征的细节系数执行逆IWT变换来获得含水印的加密语音，从含水印的加密语音中提取哈希特征与重构的哈希特征进行对比来对加密语音进行内容认证。本发明提高了云计算中的语音内容认证的鲁棒性，可以准确定位篡改语音帧，在实际应用中适用范围更广。
📄 2018107429800
📂 G10L19_018
👤 成都信息工程大学
📅 2018-07-09
本发明公开了一种结合视频信号的多通道卷积混叠语音信道估计方法，引进新型数学工具和分析方法，融合视音频信号信息，实现卷积语音混叠信道的有效估计。该方法借助说话人嘴部区域视频信号，通过非负矩阵分解提取说话人嘴型特征数据；利用密度聚类方法检测说话人嘴部特征数据的聚类中心，检测出说话人嘴部处于静默状态的图像帧，进一步提取单一说话人发声主导的所有时间窗口。根据局部主导时间窗口信息，从时频域观测语音信号成分计算局部主导协方差矩阵，通过特征值分解提取出主导特征向量，从而实现混叠语音信道估计。对比当前较为流行的单模态音频下的混叠语音信道估计方法，从数值实验上证明了所提方法的优越性。
📄 2019108165927
📂 G10L15_25
👤 广东工业大学
📅 2019-08-30
柿子坊 · 知识产权运营
柿子坊知识产权运营平台