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！

龙图腾网恭喜思必驰科技股份有限公司申请的专利音视频语音识别模型的训练方法、系统和电子设备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：CN116013270B 。

龙图腾网通过国家知识产权局官网在2025-06-20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：202211695645.2，技术领域涉及：G10L15/06；该发明授权音视频语音识别模型的训练方法、系统和电子设备是由钱彦旻;李嘉鸿;李晨达;吴逸飞设计研发完成，并于2022-12-28向国家知识产权局提交的专利申请。

本音视频语音识别模型的训练方法、系统和电子设备在说明书摘要公布了：本发明实施例提供一种音视频语音识别模型的训练方法、系统和电子设备。该方法包括：对音视频中的音频和视频分别进行前端处理，得到声学特征序列以及唇动特征序列；基于声音模态的声学特征序列以及视频模态的唇动特征序列进行时间维度的拼接，得到融合特征序列；通过编码器的注意力模块，确定融合特征序列中带有跨模态上下文的每个子序列的深度融合特征编码，将深度融合特征编码中的对应音频的部分特征编码输入至音视频语音识别模型的连接时序分类模块和解码器；根据音频的基准识别结果以及预测识别结果对音视频语音识别模型进行训练。本发明实施例在纯净或者嘈杂的音视频输入上能够得到更低的错误率之外，还能够在一定范围内抵抗音视频不同步。

本发明授权音视频语音识别模型的训练方法、系统和电子设备在权利要求书中公布了：1.一种音视频语音识别模型的训练方法，包括： 对音视频中的音频和视频分别进行前端处理，得到由音频模态编码以及音频位置编码构成的声音模态的声学特征序列，以及由视频模态编码以及视频位置编码构成的视频模态的唇动特征序列； 基于所述声音模态的声学特征序列以及所述视频模态的唇动特征序列进行时间维度的拼接，得到融合特征序列，将所述融合特征序列作为音视频语音识别模型的编码器的输入； 通过所述编码器的注意力模块，确定所述融合特征序列中带有跨模态上下文的每个子序列的深度融合特征编码，将所述深度融合特征编码中的对应音频的部分特征编码输入至所述音视频语音识别模型的连接时序分类模块和解码器，得到预测识别结果； 根据所述音视频中音频的基准识别结果以及所述预测识别结果对所述音视频语音识别模型进行训练。

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思必驰科技股份有限公司，其通讯地址为：215123 江苏省苏州市苏州工业园区新平街388号腾飞创新园14栋；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”。