[发明专利]一种语音生成方法及装置

权利要求书

1.一种语音生成方法，其特征在于，包括：

获取语音样本数据；

将所述语音样本数据输入自编码器中进行训练，以获取所述自编码器输出的输出语音数据；

利用对抗生成网络对所述输出语音数据进行真假判别；

在判别出所述输出语音数据为真的情况下，将所述输出语音数据确定为与所述语音样本数据的相似度超过预设阈值的目标语音数据。

2.根据权利要求1所述的方法，其特征在于，所述将所述语音样本数据输入自编码器中进行训练，以获取所述自编码器输出的输出语音数据，包括：

将所述语音样本数据输入自编码器的编码器中进行编码，提取得到所述语音样本数据的编码向量；

将所述编码向量输入所述自编码器的解码器中进行解码，得到解码后的语音数据；

计算所述语音样本数据与所述解码后的语音数据之间的损失值；

在所述损失值小于目标值的情况下，将所述解码后的语音数据确定为所述自编码器输出的输出语音数据；

在所述损失值大于或等于目标值的情况下，调整所述自编码器的结构参数，并将所述语音样本数据输入调整后的自编码器中重复上述训练步骤直至所述损失值小于所述目标值。

3.根据权利要求2所述的方法，其特征在于，所述将所述语音样本数据输入所述编码器中进行编码，提取得到所述语音样本数据的编码向量，包括：

通过所述编码器对所述语音样本数据进行分帧处理；

使用M层神经网络对分帧后的语音样本数据进行降维处理，其中，所述M为大于或等于1的整数；

对降维处理后的语音样本数据进行拼接，得到所述语音样本数据的语音频谱；

使用N层卷积神经网络对所述语音频谱进行特征提取，得到所述语音样本数据的编码向量，其中，所述N为大于或等于1的整数。

4.根据权利要求1所述的方法，其特征在于，所述利用对抗生成网络对所述输出语音数据进行真假判别，包括：

将所述输出语音数据作为对抗生成网络的生成器的输出；

将所述语音样本数据和所述输出语音数据输入所述对抗生成网络的判别器中，以参考所述语音样本数据，计算所述输出语音数据为真实语音的概率；

在所述概率大于或等于预设概率阈值的情况下，判别所述输出语音数据为真实语音。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

根据所述概率，计算所述语音样本数据和所述输出语音数据之间的交叉熵；

利用优化函数对所述判别器的参数进行优化调整，使得所述交叉熵变小。

6.一种语音生成装置，其特征在于，包括：

获取模块，用于获取语音样本数据；

训练子模块，用于将所述语音样本数据输入自编码器中进行训练，以获取所述自编码器输出的输出语音数据；

判别子模块，用于利用对抗生成网络对所述输出语音数据进行真假判别；

确定子模块，用于在判别出所述输出语音数据为真的情况下，将所述输出语音数据确定为与所述语音样本数据的相似度超过预设阈值的目标语音数据。

7.一种语音生成装置，其特征在于，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至5中任一项所述的语音生成方法中的步骤。

8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至5中任一项所述的语音生成方法中的步骤。