[發明專利]一種基于生成式對抗網絡的語音生成方法

在審

• 申請號: 201910200100.1
• 申請日: 2019-03-15
• 公開（公告）號: CN111768784A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: 王詩俊;吳粵
• 申請（專利權）人: 上海火商智能科技有限公司
• 主分類號: G10L15/26
• 分類號: G10L15/26;G10L15/06;G10L25/30
• 代理公司: 深圳市創富知識產權代理有限公司 44367
• 代理人: 曾敬

1.一種基于生成式對抗網絡的語音生成方法，其特征在于，包括：

接收語音數據，識別所述語音數據獲得識別文本；

將所述識別文本輸入預置的跟問模型得到跟問文本；

輸出所述跟問文本。

2.根據權利要求1所述的方法，其特征在于，所述跟問模型為生成式對抗網絡中的生成模型。

3.根據權利要求2所述的方法，其特征在于，所述生成模型通過如下方式進行訓練：

從跟問語句庫中抽取訓練語句及所述訓練語句對應的跟問語句；

將所述訓練語句輸入所述生成模型得到模擬語句；

通過判別模型對比所述跟問語句與所述模擬語句，得到所述跟問語句與所述模擬語句的對比值，將所述對比值反饋至所述生成模型，以使所述生成模型和所述判別模型基于互相對抗過程循環更新；

當所述對比值不大于預設的判別閾值時，通過所述生成模型生成所述識別文本的所述跟問文本。

4.根據權利要求3所述的方法，其特征在于，循環更新所述生成模型包括：

采用第一目標函數和隨機梯度下降法循環更新所述生成模型，所述第一目標函數為：其中，θ表示所述生成模型的參數，D表示所述判別模型，Z表示所述模擬語句，m表示采樣容量，i表示采樣點。

5.根據權利要求3所述的方法，其特征在于，循環更新所述判別模型包括：

采用第二目標函數和隨機梯度上升法循環更新所述判別模型，所述第二目標函數為：其中，θ表示所述生成模型的參數，D表示所述判別模型，Z表示所述模擬語句，m表示采樣容量，i表示采樣點。

6.根據權利要求4或5所述的方法，其特征在于，θ的計算公式為：

其中，c為所述生成模型的輸入，x為所述生成模型的輸出，P為所述生成模型的概率分布函數，R為所述判別模型的輸出。

7.根據權利要求4所述的方法，其特征在于，采用第一損失函數訓練所述生成模型，所述第一損失函數為：其中，c為所述生成模型的輸入，x為所述生成模型的輸出，P為所述生成模型的概率分布函數，R為所述判別模型的輸出。