一种神经语音压缩方法及系统

首页 AI资讯 AI技术研报 AI监管政策 AI产品测评 AI商业项目 arena全球大模型排行榜 AI产品热榜 AI 源力市场 AI新闻日报

正文
推荐专利
一种神经语音压缩方法及系统
申请号:CN202511138685
申请日期:2025-08-14
公开号:CN120913574A
公开日期:2025-11-07
类型:发明专利
摘要
本发明提供了一种神经语音压缩方法及系统,其中方法包括:获取原始语音数据,将原始语音数据通过编码器进行编码,得到隐藏向量;将隐藏向量输入至分层残差矢量量化模块,将隐藏向量量化为基于多尺度并行token流的离散化编码;将离散化编码输入至解码器进行解码,以重建语言信号,得到目标语言信号;其中,编码器被配置为在对原始语音数据进行编码时,引入通过跨模态蒸馏技术将教师网络模型中提取的高层语义表示;解码器被配置为与多尺度判别器进行对抗性训练增强的神经解码器。通过本发明,利用深度学习可学习信号潜在结构,在低比特率场景中取得突破性进展,且提高了建模能力和压缩质量,可以广泛应用于语音通信、音频存储、边缘智能设备等场景。
技术关键词
语音压缩方法 矢量量化 解码器 短时傅里叶变换 编码器 复杂度 感知损失函数 跨模态 多尺度 自动语音识别 门控循环单元 对抗性 网络结构 蒸馏 调度器 表达式 波形 教师
添加客服微信AITNT178,进AITNT官方交流群
沪ICP备2023015588号