金融界2025年1月31日消息，国家知识产权局信息显示，北京远鉴信息技术有限公司申请一项名为“基于自回归式大语言模型的零样本语音合成方法及装置”的专利，公开号CN 119380696 A，申请日期为2024年11月。

专利摘要显示，本申请提供了一种基于自回归式大语言模型的零样本语音合成方法及装置，该方法包括：将参考音频的音频编码特征、参考文本的文本编码特征、目标文本的目标文本编码特征输入预先训练好的大语言模型中，得到大语言模型输出的目标序列；将目标序列输入预先训练好的扩散模型中，得到扩散模型输出的目标序列对应的目标梅尔谱；将目标梅尔谱输入预先训练好的声码器中，得到声码器输出的目标梅尔谱对应的目标音频，并将目标音频确定为参考音频和目标文本对应的语音合成结果。这样，使得用户只需在语音合成阶段添加目标发音对象的少量参考音频即可，无需使用目标发音对象的语音数据对原有的语音合成模型进行重复训练，有效地提高了零样本语音合成能力。

天眼查资料显示，北京远鉴信息技术有限公司，成立于2016年，位于北京市，是一家以从事软件和信息技术服务业为主的企业。企业注册资本3637.5万人民币，实缴资本3431.25万人民币。通过天眼查大数据分析，北京远鉴信息技术有限公司共对外投资了5家企业，参与招投标项目50次，知识产权方面有商标信息21条，专利信息133条，此外企业还拥有行政许可4个。

本文源自：金融界

作者：情报员