[发明专利]模型训练方法及装置、语音识别方法和语音合成方法

说明书

本公开提供了一种模型训练方法及装置、语音识别方法和语音合成方法，涉及人工智能领域，尤其涉及语音技术领域。实现方案为：获取第一样本数据，其中，第一样本数据为完成第一初始训练的辅助模型基于第一原始数据进行预测而得到；将第一样本数据输入待训练模型，以得到待训练模型所输出的第一结果数据；基于第一原始数据和第一结果数据，计算第一损失值；以及基于第一损失值，调整待训练模型的参数。

技术领域

本公开涉及人工智能技术领域，尤其涉及语音技术领域，具体涉及一种模型训练方法及装置、语音识别方法及装置、语音合成方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

背景技术

人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科，既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术；人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。随着人工智能技术的日渐成熟，人们也希望能够通过直接对话的方式与计算机进行交流和传递信息，因此语音识别、语音合成也随之成为自然语言处理领域中的两大主题。通过语音识别实现语音转文字以及通过语音合成实现文字合成语音等各种形式的需求日渐扩大，比如：语音输入法的使用量呈现飞速的增长。

在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明，否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地，除非另有指明，否则此部分中提及的问题不应认为在任何现有技术中已被公认。

发明内容

本公开提供了一种模型训练方法及装置、语音识别方法及装置、语音合成方法及装置、计算机设备、计算机可读存储介质和计算机程序产品。

根据本公开的一方面，提供了一种模型训练方法，包括：获取第一样本数据，其中，第一样本数据为完成第一初始训练的辅助模型基于第一原始数据进行预测而得到；将第一样本数据输入待训练模型，以得到待训练模型所输出的第一结果数据；基于第一原始数据和第一结果数据，计算第一损失值；以及基于第一损失值，调整待训练模型的参数。

根据本公开的一方面，提供了一种语音识别方法，包括：将待识别语音数据输入语音识别模型，其中，语音识别模型为根据上述训练方法对待训练模型进行训练而得到；以及基于语音识别模型的输出数据，确定对待识别语音数据的识别结果。

根据本公开的一方面，提供了一种语音合成方法，包括：将待合成文本数据输入语音合成模型，其中，语音合成模型为根据上述训练方法对待训练模型进行训练而得到；以及基于语音合成模型的输出数据，确定对待合成文本数据的合成结果。

根据本公开的一方面，提供了一种模型训练装置，包括：第一获取单元，被配置用于获取第一样本数据，其中，第一样本数据为完成第一初始训练的辅助模型基于第一原始数据进行预测而得到；第二获取单元，被配置用于将第一样本数据输入待训练模型，以得到待训练模型所输出的第一结果数据；第一计算单元，被配置用于基于第一原始数据和第一结果数据，计算第一损失值；以及第一调整单元，被配置用于基于第一损失值，调整待训练模型的参数。

根据本公开的一方面，提供了一种语音识别装置，包括：第一输入单元，被配置用于将待识别语音数据输入语音识别模型，其中，语音识别模型为根据上述的训练方法对待训练模型进行训练而得到；以及第一确定单元，被配置用于基于语音识别模型的输出数据，确定对待识别语音数据的识别结果。

根据本公开的一方面，提供了一种语音合成装置，包括：第二输入单元，被配置用于将待合成文本数据输入语音合成模型，其中，语音合成模型为根据上述的训练方法对待训练模型进行训练而得到；以及第二确定单元，被配置用于基于语音合成模型的输出数据，确定对待合成文本数据的合成结果。