天眼查App显示，2025年5月30日，「一种基于AI的实时音频合成方法、装置、系统及声码器」正式进入专利公布阶段。申请人为厦门亿联网络技术股份有限公司，该项语音处理专利涉及基于AI的实时音频合成技术，能够显著优化语音合成的实时性，并保障语音内容的正确性。据专利信息显示，本申请通过构建多层次残差融合模块，确保每次上采样层的输入特征均包含以前的音频特征和实时推理，从而实现突破性进展。发明人为黄星荣、吴松杰。

专利摘要指出，本申请公开了一种基于AI的实时音频合成方法、装置、系统及声码器，其方法包括：基于MelGAN网络，将原生成器替换为用于学习多层次声学特征的多层次波形生成器，在每层上采样层后增加残差融合层，构建初始AI声码器模型；对初始AI声码器模型进行迭代训练，得到目标AI声码器模型输出；获取待合成音频的Mel频谱图，输入目标AI声码器模型中，得到目标音频。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。