技術(shù)編號：39726051
提示：您尚未登錄，請點 登 陸 后下載，如果您還沒有賬戶請點 注 冊 ，登陸完成后，請刷新本頁查看技術(shù)詳細(xì)信息。本公開涉及數(shù)據(jù)處理，尤其涉及一種語音唇讀識別的方法及模型的訓(xùn)練方法、裝置、電子設(shè)備。背景技術(shù)、語音唇讀是一種根據(jù)輸入的說話人臉視頻序列來重建說話語音的技術(shù)，是一種視頻到語音的映射，其重建的語音應(yīng)該包含視頻的說話內(nèi)容信息和說話人語音相關(guān)信息。在語音唇讀任務(wù)中，研究者一開始選擇文字作為視頻到語音的中間表示；后來隨著研究的深入，大多數(shù)研究者選擇用聲學(xué)特征(如：聲譜圖、梅爾譜圖圖、lpc線性預(yù)測編碼等)作為視頻到語音的中間特征表示。、傳統(tǒng)的前饋網(wǎng)絡(luò)利用cnn，rnn等將訓(xùn)練集壓縮成隱向量進行存儲；導(dǎo)...
注意：該技術(shù)已申請專利，請尊重研發(fā)人員的辛勤研發(fā)付出，在未取得專利權(quán)人授權(quán)前，僅供技術(shù)研究參考不得用于商業(yè)用途。
該專利適合技術(shù)人員進行技術(shù)研發(fā)參考以及查看自身技術(shù)是否侵權(quán)，增加技術(shù)思路，做技術(shù)知識儲備，不適合論文引用。