专利标题 公开号/公告号 公开日期 摘要 专利状态
文档归纳方法、装置、电子设备 CN202411154412.0 - 本申请实施例提供一种文档归纳方法，包括：提取PDF文档的文本内容；获取所述PDF文档的文本内容的关键语句；和通过自然语言处理技术对所述关键语句进行总结归纳。本申请实施例提供的文档归纳方法，能够通过自然语言处理技术对PDF文档进行归纳总结，从而提高PDF文档信息获取的速度和准确性。本申请实施例还提供一种文档归纳装置和电子设备。 公开
说话人识别方法、装置、电子设备、介质及程序产品 CN202411098519.8 - 本申请提供一种说话人识别方法、装置、电子设备、介质及程序产品，该说话人识别方法，包括：对待识别视频进行场景检测，基于场景检测的结果将待识别视频分为多个视频分段；针对各视频分段，分离得到视频分段中的音频数据和视频帧；提取视频帧的人脸特征以及提取音频数据的音频特征；针对多个视频分段中场景切换的多个视频帧，提取多个视频帧的人脸深度特征，并计算多个视频帧中相邻视频帧的人脸深度特征的距离，得到跨场景距离特征；基于跨场景距离特征、人脸特征和音频特征，从视频分段包含的人脸中识别说话人。实现了逐场景进行说话人识别，同时结合跨场景特征实现人脸关联，克服了由于场景切换导致说话人识别准确度较差的问题。 公开
3D模型解析方法、装置、电子设备 CN202410931897.3 - 本申请实施例提供本申请实施例提供了一种3D模型解析方法，包括：解析PDF文档的PRC和/或U3D 3D模型；渲染所述PDF文档的PRC和/或U3D 3D模型；和呈现所述PDF文档的PRC和/或U3D 3D模型。本申请实施例提供的3D模型解析方法，能够在PDF文档中准确地呈现3D模型。本申请实施例还提供一种3D模型解析装置和电子设备。 专利的公布
视频转译方法、装置、电子设备 CN202410930995.5 - 本申请实施例提供一种视频转译方法，包括：将原始视频分离成驱动视频和驱动音频；对所述驱动视频进行光影处理；对所述驱动音频进行翻译处理；和通过口型驱动模型对光影处理后的所述驱动视频和翻译处理后的所述驱动音频进行合成推理，形成合成视频。本申请实施例提供的视频转译方法，能够高效、准确且自然实现视频翻译。本申请实施例还提供一种视频转译装置和电子设备。 公开
图像增强方法、装置、电子设备 CN202410934292.X - 本申请实施例提供一种图像增强方法，包括：对所述PDF文档的扫描图片进行图像色彩还原处理；对所述PDF文档的扫描图片进行图像前景增强处理；和对所述PDF文档的扫描图片进行图像细节增强处理。本申请实施例提供的图像增强方法，能够提高生成的PDF文档的扫描图片的图像质量。本申请实施例还提供一种图像增强装置和电子设备。 公开
页面截图方法、装置、电子设备 CN202410864982.2 - 本申请实施例提供一种页面截图方法，包括：加载浏览器的待渲染页面；执行预先设置的全局变量函数，对所述待渲染页面进行渲染操作；和对完成渲染操作后的页面进行截图。本申请实施例提供的页面截图方法，能够快速且高效地实现页面的截图，且能够兼顾兼容性。本申请实施例还提供一种页面截图装置和电子设备。 实质审查
语音翻译方法、装置、电子设备 CN202410864944.7 - 本申请实施例提供一种语音翻译方法，包括：获取原始音频的原始文本和断句时间戳；将所述原始音频的原始文本翻译成目标语言文本；将所述目标语言文本合成为目标音频；和比较所述目标音频的断句时间戳和所述原始音频的断句时间戳，对所述原始音频的原始文本进行二次翻译，以使得所述目标音频与所述原始音频的卡点一致。本申请实施例提供的语音翻译方法，能够有效地提升目标音频和原始音频的匹配协调性。本申请实施例还提供一种语音翻译装置和电子设备。 专利的公布
虚拟人生成模型的训练方法、装置、设备及存储介质 CN202410497556.X - 本申请实施例公开一种虚拟人生成模型的训练方法、装置、设备及存储介质。虚拟人生成模型的训练方法，包括：获得生成虚拟人的预训练模型；向所述预训练模型输入音频和人脸图像，并冻结所述预训练模型中的音频编码器的参数；为所述预训练模型的图像处理网络构造LoRA结构；冻结所述图像处理网络的预训练模型参数，并通过为所述图像处理网络构造的LoRA结构对所述图像处理网络进行LoRA训练，得到旁路参数；融合所述图像处理网络的预训练模型参数和旁路参数，以完成所述预训练模型的微调。本申请的实施例，可以有效地提升虚拟人的表现效果，使其能够精准地实现语言口播，使得虚拟人更加逼真，更好地满足多种场景的需求。 实质审查
在线文档的协同编辑方法、装置、设备及存储介质 CN202410493989.8 - 本申请实施例公开一种在线文档的协同编辑方法、装置、设备及存储介质。在线文档的协同编辑方法，包括：服务端在第一客户端打开文档时，建立与所述第一客户端的连接；监听其它客户端对于所述文档的修改操作数据，其中，所述修改操作数据保存为第一数据结构中；获得当前的树状结构数据，并根据监听到的所述修改操作数据，得到最新的树状结构数据；接收所述第一客户端提交的修改操作数据，并将所述修改操作数据广播到其它客户端。本申请的实施例，具有数据传输速度快，数据存储占用空间小的优点，提升了文档的在线的协同编辑的效率和可靠性。 实质审查
视频生成方法、装置及电子设备 CN202410494045.2 - 本申请实施例提供一种视频生成方法，包括：对视频文本对的文本特征和初始视频帧特征进行特征融合和学习，输出结果视频帧；对比所述初始视频帧和所述结果视频帧的运动信息；和根据对比结果，拟合所述结果视频帧的运动连续性。本申请实施例提供的视频生成方法，能够有效改善生成视频的流畅性，从而提升生成视频的质量。本申请实施例还提供一种视频生成装置和电子设备。 实质审查