[发明专利]一种基于生成式对抗网络的语音生成方法

权利要求书

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。