[发明专利]一种基于对抗型人工智能网络的语音服务方法与系统

权利要求书

1.一种基于对抗型人工智能网络的语音服务方法，其特征在于，包括如下步骤：

S1、输入用户语音，提取反映情绪状态的特征量；

S2、建立BP神经网络，并将所述S1获得的特征量输入BP神经网络，获取用户情绪状态的类型；

S3、根据所述S2获取的用户情绪状态类型，在训练样本库中找到对应的情绪语音样本；

S4、基于由语音生成器和辨别器组成的GAN网络，辨别器在以情绪语音样本为基准进行训练后，对语音生成器生成的赋情绪语音进行真伪判别，判别结果为伪时，继续训练语音生成器，语音生成器将在训练过程中调整参数，重新生成赋情绪语音，直至辨别器对语音生成器生成的赋情绪语音判别为真，输出与情绪语音样本的情绪状态相同的赋情绪语音。

2.根据权利要求1所述的一种基于对抗型人工智能网络的语音服务方法，其特征在于，所述S1的具体步骤如下：

S11、输入用户语音，并对语音进行滤波、采样、量化、预加重处理；

S12、利用加窗分帧的方法，将语音划分为若干个语音帧；

S13、提取每一个语音帧的语音持续时间、短时能量极值和均值、基音频率、共振峰作为所述特征量。

3.根据权利要求1所述的一种基于对抗型人工智能网络的语音服务方法，其特征在于，所述S2的具体步骤如下：

S21、建立一个可以根据输入的语音特征量识别并输出语音的情绪状态类型的BP神经网络；

S22、预设五种情绪状态类型，分别是：高兴、气愤、低落、害怕和中性，每种情绪状态类型收集一定的训练语音样本，并按照S1中的提取特征量的步骤，提取训练语音样本的特征量；

S23、将训练语音样本的特征量作为多维度向量，输入到BP神经网络中，把输出的情绪状态类型与预期情绪状态类型比对，不断修正各层权值，直至输出的训练语音样本的情绪状态类型与预期情绪状态类型一致，则获得一个训练后的BP神经网络；

S24、将所述S1获得的特征值输入到所述S23获得的训练后的BP神经网络中，得到准确的情绪状态的类型。

4.根据权利要求1所述的一种基于对抗型人工智能网络的语音服务方法，其特征在于，所述S4的具体步骤如下：

S41、在语音库中找到与语义内容匹配的语音片段；

S42、将随机变量与语音片段叠加，并传输给语音生成器，语音生成器把叠加了随机变量的语音片段生成为赋情绪语音，语音生成器生成赋情绪语音后，将赋情绪语音输入到辨别器中；

S43、辨别器以所述S3获得的情绪语音样本为基准，对赋情绪语音进行真伪判别，判别结果为伪时，则反馈给语音生成器，通过训练语音生成器，重新生成赋情绪语音，直至辨别器对语音生成器生成的赋情绪语音判别结果为真，输出情绪状态类型与情绪语音样本相同的赋情绪语音。

5.根据权利要求1所述的一种基于对抗型人工智能网络的语音服务方法，其特征在于，基于与用户对话的需要，产生语义内容，根据产生的语义内容在语音库中找到对应的语音片段。

6.一种基于对抗型人工智能网络的语音服务系统，其特征在于，包括：情绪状态特征量提取模块(1)、BP神经网络模块(2)、训练样本库(3)、辨别器模块(4)、语音生成器模块(5)；其中，

所述情绪状态特征量提取模块(1)用于输入用户语音，提取反映情绪状态的特征量；

所述BP神经网络模块(2)用于识别分析输入的特征量，并输出对应的用户情绪状态的类型；

所述训练样本库(3)保存有不同情绪的语音样本，通过所述情绪状态特征量提取模块(1)获取的用户情绪状态类型，可以在训练样本库中找到对应的情绪语音样本；

所述辨别器模块(4)在以情绪语音样本为基准进行训练后，对语音生成器模块(5)生成的赋情绪语音进行真伪判别，判别结果为伪时，继续训练语音生成器模块(5)，重新生成赋情绪语音，最终输出判别结果为真的赋情绪语音；

所述语音生成器模块(5)用于调整叠加了随机变量的语音片段的特征量，生成赋情绪语音。