【技术实现步骤摘要】
本专利技术涉及人工智能领域，具体涉及ai智能体agent、ai音乐系统及语音朗诵的模型建构及处理，尤其是在人们模仿样本声乐或样本朗诵时，进行节拍捕捉和节拍对齐的处理，以实现并优化模仿效果。vem-token节拍捕捉和对齐模型建构的方法，是基于vem-token声乐情绪多模态模型方法，采用音乐节拍来切分声乐文件为vem-token词元的深化创新。
技术介绍
1、基于本专利技术人的一件已经授权的中国专利技术专利《vem-token声乐情绪多模态token化歌声和伴奏深度学习方法，cn120126506》（以下简称“vem-token声乐情绪多模态模型”），在人工智能领域中，它对于信息词元的划分，不同于传统的nlp-token（natural-language-processing token）的词元划分法，而是首次提出依据音乐节拍来划分信息词元，称作声乐情绪多模态token，简称为vem-token（vocal-emotion-multimodal token）。
2、在cn120126506专利技术专利中，专利技术人首次将声乐...
【技术保护点】
1.VEM-Token节拍捕捉和对齐模型建构的方法，其特征在于，包括：
2.根据权利要求1的方法，其特征在于，节拍模型还包括基础子模型，具体包括：
3.根据权利要求2的方法，其特征在于，节拍捕捉模型包括谐波冲击子模型：
4.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括联合学习子模型：
5.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括谐波频率分层子模型：
6.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括动态时间规整子模型：
7.根据权利要求3至6任一的方法，其特征在于，节拍对...
【技术特征摘要】
1.vem-token节拍捕捉和对齐模型建构的方法，其特征在于，包括：
2.根据权利要求1的方法，其特征在于，节拍模型还包括基础子模型，具体包括：
3.根据权利要求2的方法，其特征在于，节拍捕捉模型包括谐波冲击子模型：
4.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括联合学习子模型：
5.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括谐波频率分层子模型：
6.根据权利要求2的方法，其特征在于，节拍捕捉模型还包括动态时间规整子模型：
7.根据权利要求3至6任一的方法，其特征...
【专利技术属性】
技术研发人员：丁贤根，丁远彤，
申请(专利权)人：港湾之星健康生物深圳有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。