-
公开(公告)号：CN115472167B
公开(公告)日：2024-11-01
申请号：CN202210986290.6
申请日：2022-08-17
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种基于大数据自监督的声纹识别模型训练方法、系统。所述方法包括：各个分布式主机获取多源录音数据进行分布式存储，并对录音数据进行数据清洗，得到带标签的录音数据以及未带标签的录音数据；各个分布式主机对带标签的录音数据以及未带标签的录音数据切片处理，分别向切片处理后的录音数据加入噪声干扰，得到样本对并输入到自监督学习模型中，与服务器进行联邦学习模型训练，在服务器上训练得到声纹识别基础模型；服务器基于带标签的录音数据对基础模型的模型参数进行监督学习精调，得到声纹识别精调模型。采用横向联邦学习由服务器统筹存储在不同分布式主机上的多源数据用于声纹识别模型的大规模训练，可实现海量数据模型训练。
-
公开(公告)号：CN118571266A
公开(公告)日：2024-08-30
申请号：CN202410851231.7
申请日：2024-06-28
Applicant: 南京龙垣信息科技有限公司
IPC: G10L25/63 , G10L15/26 , G10L13/08 , G10L19/018
Abstract: 本发明涉及语音合成技术领域，具体涉及一种身份加密的情感语音合成方法及系统；包括输入模块、语音特征提取模块、情感分析模块、文本转换模块、语音合成模块、加密处理模块和输出模块，情感分析模块用于根据声学特征识别出用户的情感倾向，得到情感分析结果；文本转换模块用于分别将情感分析结果、原始语音数据进行文本转换，分别得到情感分析文本数据、原始语音文本数据；语音合成模块用于将情感分析文本数据、原始语音文本数据转换为合成语音；加密处理模块用于对合成语音进行加密；通过上述方式，实现在保留语音自然度和表达丰富性的同时，保证语音消息隐私安全。
-
公开(公告)号：CN118245994A
公开(公告)日：2024-06-25
申请号：CN202410425927.3
申请日：2024-04-10
Applicant: 南京龙垣信息科技有限公司
IPC: G06F21/32 , G06V40/70 , G06V40/16 , G06V40/40 , G10L15/02 , G10L15/06 , G10L15/18 , G10L25/24 , G10L25/30 , G10L25/51
Abstract: 本发明涉及身份验证技术领域，具体涉及一种多模态身份验证系统及方法；包括声纹识别模块、唇语识别模块、人脸识别模块、活体检测模块、数字语音密码锁模块、数据整合模块和结果评估模块，声纹识别模块用于分析用户个体的声音特征，进行身份验证；唇语识别模块用于识别说话内容；人脸识别模块用于识别和验证个体身份；活体检测模块用于判断是否为真实的人类面部；数字语音密码锁模块用于分析语音信号中的数字内容和说话者的声音特征验证身份；数据整合模块用于融合声纹、唇语、人脸及数字语音密码；结果评估模块用于对融合结果进行评估，通过上述方式，实现身份验证中更加稳健和可靠的验证过程，提高身份验证的安全性能。
-
公开(公告)号：CN116055061B
公开(公告)日：2024-03-05
申请号：CN202310058677.X
申请日：2023-01-18
Applicant: 南京龙垣信息科技有限公司
Abstract: 基于哈希加密的声纹认证隐私保护方法，对提取的声纹特征向量进行处理，生成二进制哈希声纹特征向量，通过随机投影然后带量化将得到的二进制哈希特征向量转换为位序列，生成哈希串特征向量q1，并将其保存到服务端。提取待验证语音音频数据的声纹特征向量，对声纹特征向量进行处理，生成二进制哈希声纹特征向量，通过随机投影然后带量化将得到的二进制哈希特征向量转换为位序列，生成哈希串特征向量q2；由哈希串特征向量q2与服务端哈希串特征向量q1进行匹配，计算q2于q1的汉明距离，得到决策结果，如完全匹配则认证，若否则拒绝。解决了声纹特征不被他人利用、泄露或篡改，保护使用者隐私的难题。
-
公开(公告)号：CN117594058A
公开(公告)日：2024-02-23
申请号：CN202410079739.X
申请日：2024-01-19
Applicant: 南京龙垣信息科技有限公司
IPC: G10L21/0272 , G10L21/0308 , G10L25/03 , G10L25/30 , G10L17/02 , G10L25/63 , G10L25/78
Abstract: 本发明涉及音频处理技术领域，具体涉及一种基于深度学习的音频话者分离方法；采集音频，并进行多通道音频处理；根据音频滤波进行语音活动检测；进行声纹特征提取；将声纹特征向量聚类成不同的类别；将混合在同一音频信号中的多个说话者的声音进行分离，使每个说话者的声音成为独立的音频流；读取音频信息，进行可视化界面试听，通过上述方式，实现了提高在复杂的环境中音频话者分离效果。
-
Patent Agency Ranking
公开(公告)号：CN116091596A
公开(公告)日：2023-05-09
申请号：CN202211520839.9
申请日：2022-11-29
Applicant: 南京龙垣信息科技有限公司
IPC: G06T7/73 , G06V10/766 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开一种自下而上的多人2D人体姿态估计方法及装置。该方法包括如下步骤：获取原始图像，并对原始图像进行预处理；将预处理后的图像输入预设的网络模型中进行训练，得到训练好的网络模型，所述训练好的网络模型用于输出关键点热图和关键点偏移图；将待测图像输入训练好的网络模型中，输出待测图像的关键点热图和关键点偏移图；基于关联式嵌入策略将待测图像的关键点热图和关键点偏移图中待测图像的关键点坐标分组匹配至个人，获取人体姿态信息。本发明采用自下而上的多人姿态估计方法，通过多子空间注意力网络中每个子空间注意力模块学习到相对应关键点的个性化特征，从而提升整体关键点的检测精度。
-
公开(公告)号：CN114023329A
公开(公告)日：2022-02-08
申请号：CN202111192550.4
申请日：2021-10-13
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种跨信道声纹比对方法。所述方法包括：获取通过第一信道、第二信道采集的第一语音数据、第二语音数据并进行数据预处理，得到第一目标语音数据、第二目标语音数据；通过重采样算法对第一目标语音数据、第二目标语音数据的采样频率进行处理使其频率相同；查找与第一目标语音数据、第二目标语音数据的状态属性对应的声纹特征提取模型，通过声纹特征提取模型得到第一声纹特征、第二声纹特征；计算第一声纹特征与第二声纹特征的余弦相似度，并根据余弦相似度得到比对结果。通过对不同信道采集的语音数据进行预处理、重采样处理等，将语音数据的采样频率统一，进而对识别的声纹特征进行比对，可以提高声纹比对的精确度。
-
公开(公告)号：CN113763963A
公开(公告)日：2021-12-07
申请号：CN202110974150.2
申请日：2021-08-24
Applicant: 南京龙垣信息科技有限公司
Abstract: 本方案涉及一种电话卡冒用检测方法、系统、计算机设备及存储介质。所述方法包括：获取包含有疑似被冒用电话卡的电话号码的嫌疑名单；获取与电话号码对应机主的电话录音，并通过重采样算法将电话录音的采集频率调整为目标采集频率；将含有目标采集频率的电话录音输入至声纹识别算法模型中，得到与电话录音对应的声纹特征；在注册录音底库中查找与电话号码对应的注册声纹特征；将声纹特征与注册声纹特征进行比对，得到比对结果，并根据比对结果确定电话号码对应的电话卡是否被冒用。通过对采集的电话录音以及数据库中的目标电话录音进行声纹识别，从而根据声纹识别结果确定电话录音对应的机主是否为注册机主，可以准确检测出电话卡是否被冒用。
-
公开(公告)号：CN119599812A
公开(公告)日：2025-03-11
申请号：CN202411803504.7
申请日：2024-12-10
Applicant: 南京龙垣信息科技有限公司
Abstract: 本发明涉及保险欺诈识别技术领域，具体涉及一种基于AI的保险欺诈预防与检测系统；包括数据收集模块、数据预处理模块、模型训练模块和可解释性分析模块，数据预处理模块与数据收集模块连接，模型训练模块分别与数据预处理模块和可解释性分析模块连接；数据收集模块，用于从多种数据源中获取数据，处理后进行整合；数据预处理模块，用于对整合后的数据进行预处理，获取归一化数据；模型训练模块，用于构建欺诈检测模型，并针对预处理后的数据做出决策；可解释性分析模块，用于展示决策结果，并与用户进行交互；通过上述方式，实现对数据进行欺诈检测后提供决策过程，能够保险公司和监管机构更好地理解和信任检测结果。
-
公开(公告)号：CN119444386A
公开(公告)日：2025-02-14
申请号：CN202411603959.4
申请日：2024-11-12
Applicant: 南京龙垣信息科技有限公司
IPC: G06Q40/02 , G06Q40/04 , G06F16/33 , G06F16/35 , G06N3/0455 , G06N3/042 , G06N3/0475 , G06N3/045 , G06N3/094
Abstract: 本发明涉及人工智能技术领域，具体涉及一种基于AI的反洗钱模式识别系统，包括数据采集处理模块、数据增强模块、训练优化模块、预警评估模块、数据学习模块和数据生成模块，通过这样引入机器学习和深度学习技术，使其具备动态适应性的特征，传统的反洗钱系统通常依赖于静态的规则集，这些规则在面对不断演变的洗钱手段时往往显得滞后，而本发明的系统通过不断学习新的数据，更新和优化识别模型，能够动态适应新的洗钱模式和复杂的交易行为，这种灵活性使得系统在面对未知的威胁时仍能保持高效的识别能力。
-
-
-
-
-
-
-
-
-
Search Results
101
records
(took 0.047 seconds)
