[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

本發明公開了一種基于生成式對抗網絡的語音生成方法，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。本發明通過跟問模型輸出跟問文本，提高了與用戶的多輪交流能力，通過生成式對抗網絡循環更新跟問模型以提高跟問能力，提高用戶的體驗。

技術領域

本發明涉及圖像信息處理技術領域，具體為一種基于生成式對抗網絡的語音生成方法。

背景技術

隨著計算機技術的不斷發展，音頻處理技術也已經相當成熟，其中的聲紋識別技術是用于識別用戶身份的常用技術。聲紋識別技術的關鍵在于語音特征的提取和語音數據庫的構建。

現在的對話系統多數只能做單輪對話，可以幫助用戶完成一些簡單的任務，如問天氣、查路線。而實際上，人們在生活中需求場景并非是這樣簡單且單一的，而是多樣化且復雜的。在實際使用中，現有的對話系統識別對于用戶意圖的識別能力不高，經常會出現因為無法判別用戶意圖而出現無法回答用戶的情況，或者出現答非所問或重復回答的情況，使得對話系統的構建對話的內容太過局限和死板，用戶體驗不高。

發明內容

本發明的目的在于提供一種基于生成式對抗網絡的語音生成方法，以解決目前火焰檢測方法抗干擾能力較差、穩定性較差的問題。

為實現上述目的，本發明提供如下技術方案：一種基于生成式對抗網絡的語音生成方法，所述方法包括如下步驟：

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。

進一步地，所述跟問模型為生成式對抗網絡中的生成模型。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

進一步地，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。

與現有技術相比，本發明的有益效果是：本發明通過跟問模型輸出跟問文本，提高了與用戶的多輪交流能力，通過生成式對抗網絡循環更新跟問模型以提高跟問能力，提高用戶的體驗。