一种基于生成式对抗网络的语音生成方法

摘要：

本发明公开了一种基于生成式对抗网络的语音生成方法，包括接收语音数据，识别所述语音数据获得识别文本；将所述识别文本输入预置的跟问模型得到跟问文本；输出所述跟问文本。本发明通过跟问模型输出跟问文本，提高了与用户的多轮交流能力，通过生成式对抗网络循环更新跟问模型以提高跟问能力，提高用户的体验。

专利类型：发明专利

申请/专利号：CN201910200100.1

申请日期：2019-03-15

公开/公告号：CN111768784A

公开/公告日：2020-10-13

主分类号：G10L15/26(2006.01)

申请/专利权人:上海火商智能科技有限公司

发明/设计人:王诗俊;吴粤

主申请人地址:201318 上海市浦东新区周市路416号4层

专利代理机构:深圳市创富知识产权代理有限公司

代理人:曾敬

国别省市代码:上海;31

权利要求：

1.一种基于生成式对抗网络的语音生成方法，其特征在于，包括： 接收语音数据，识别所述语音数据获得识别文本； 将所述识别文本输入预置的跟问模型得到跟问文本； 输出所述跟问文本。 2.根据权利要求1所述的方法，其特征在于，所述跟问模型为生成式对抗网络中的生成模型。 3.根据权利要求2所述的方法，其特征在于，所述生成模型通过如下方式进行训练： 从跟问语句库中抽取训练语句及所述训练语句对应的跟问语句； 将所述训练语句输入所述生成模型得到模拟语句； 通过判别模型对比所述跟问语句与所述模拟语句，得到所述跟问语句与所述模拟语句的对比值，将所述对比值反馈至所述生成模型，以使所述生成模型和所述判别模型基于互相对抗过程循环更新； 当所述对比值不大于预设的判别阈值时，通过所述生成模型生成所述识别文本的所述跟问文本。 4.根据权利要求3所述的方法，其特征在于，循环更新所述生成模型包括： 采用第一目标函数和随机梯度下降法循环更新所述生成模型，所述第一目标函数为：其中，θ表示所述生成模型的参数，D表示所述判别模型，Z表示所述模拟语句，m表示采样容量，i表示采样点。 5.根据权利要求3所述的方法，其特征在于，循环更新所述判别模型包括： 采用第二目标函数和随机梯度上升法循环更新所述判别模型，所述第二目标函数为：其中，θ表示所述生成模型的参数，D表示所述判别模型，Z表示所述模拟语句，m表示采样容量，i表示采样点。 6.根据权利要求4或5所述的方法，其特征在于，θ的计算公式为： 其中，c为所述生成模型的输入，x为所述生成模型的输出，P为所述生成模型的概率分布函数，R为所述判别模型的输出。 7.根据权利要求4所述的方法，其特征在于，采用第一损失函数训练所述生成模型，所述第一损失函数为：其中，c为所述生成模型的输入，x为所述生成模型的输出，P为所述生成模型的概率分布函数，R为所述判别模型的输出。