买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学技术大学申请的专利基于解耦多模态提示和链式引导的可控文本转语音方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN121281490B 。

龙图腾网通过国家知识产权局官网在2026-04-28发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202511851131.5，技术领域涉及：G10L13/027；该发明授权基于解耦多模态提示和链式引导的可控文本转语音方法是由陈恩红;赵思蕊;徐童;尹慷设计研发完成，并于2025-12-10向国家知识产权局提交的专利申请。

本基于解耦多模态提示和链式引导的可控文本转语音方法在说明书摘要公布了：本发明提供了基于解耦多模态提示和链式引导的可控文本转语音方法，所述方法包括：构建统一的多模态风格编码器，用于将来自参考音频或描述性文本的风格提示映射到共享的嵌入空间，以生成风格条件嵌入，并对多模态风格编码器训练；构建基于潜在扩散变换器的文本转语音模型，所述文本转语音模型以梅尔频谱的潜在表示为处理对象，并接收内容文本、说话人音色和说话风格作为输入条件；在所述文本转语音模型的推理阶段，采用链式无分类器引导机制，通过独立调节内容、音色和风格条件嵌入的引导强度，实现对生成语音的内容、音色和风格的独立与连续控制。实现对生成语音的内容、音色和风格的独立与连续控制。显著提升了模型的训练稳定性和收敛速度。

本发明授权基于解耦多模态提示和链式引导的可控文本转语音方法在权利要求书中公布了：1.基于解耦多模态提示和链式引导的可控文本转语音方法，其特征在于，包括： 构建统一的多模态风格编码器，用于将来自参考音频或描述性文本的风格提示映射到共享的嵌入空间，以生成风格条件嵌入，并对所述多模态风格编码器训练； 构建基于潜在扩散变换器的文本转语音模型，所述文本转语音模型以梅尔频谱的潜在表示为处理对象，并接收内容文本、说话人音色和说话风格作为输入条件，对文本转语音模型进行训练； 在所述文本转语音模型的推理阶段，采用链式无分类器引导机制，通过独立调节内容、音色和风格条件嵌入的引导强度，实现对生成语音的内容、音色和风格的独立与连续控制； 所述多模态风格编码器的训练目标函数为： ； 式中，和为权重系数，为对比学习损失，为交叉熵损失，为均方误差损失； 生成语音的过程包括： 给定待合成的文本、指定音色的参考音频或说话人ID、以及指定风格的参考音频或描述性文本； 通过各编码器将输入信息转换为对应的条件嵌入； 从标准高斯分布中采样噪声，作为所述潜在扩散变换器的初始输入； 在条件流匹配的推理过程中，利用链式无分类器引导机制预测速度场，生成目标梅尔频谱的潜在表示； 通过声码器将所述梅尔频谱的潜在表示转换为最终的语音波形。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。