原创力文档- 1、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。。
- 2、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。
- 3、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、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。
- 6、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。
- 7、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
本公开涉及一种视听语音分离方法、装置、电子设备和存储介质，获取包括目标对象声音和至少一个参考对象声音的视频信息，并提取视频信息中的目标对象唇部图像帧组成的图像帧序列和混合音频，分别进行编码得到目标对象对应的视频特征和音频特征。将视频特征和音频特征输入训练得到的多模态分离网络，通过多次特征融合后得到目标对象对应的声音掩码，多模态分离网络包括用于进行三次特征融合的顶部模块、中部模块和底部模块。根据声音掩码和音频特征确定记录目标对象声音的目标音频。本公开通过三个模块多次融合视觉和听觉两个层面的信息，增
(19)国家知识产权局
(12)发明专利申请
(10)申请公布号 CN 116863537 A
(43)申请公布日 2023.10.10
(21)申请号 202310816352.3
(22)申请日 2023.07.04
(71)申请人 清华大学
文档评论（0）