[发明专利]一种数智董秘生成方法及装置

说明书

本申请公开了一种数智董秘生成方法及装置，涉及人工智能技术领域，通过获取董秘文本数据样本和音频数据样本；将文本数据样本和音频数据样本通过语音合成技术和语音克隆技术生成数智董秘的声音；获取董秘形象视频样本；将数智董秘的声音和董秘形象视频样本输入到预先训练好的数字人生成模型中，得到数智董秘形象；通过人脸数据增强技术增强数智董秘的脸部细节；通过背景去除算法将数智董秘切换至虚拟场景。本申请提供的方法可以生成数智董秘，使得智能董秘以更高的媒介传播形态及时回复投资者对于上市公司的信息披露工作，大大降低了董秘的工作量，同时能够提升董秘与投资者之间的互动效果。

技术领域

本申请涉及人工智能技术领域，具体涉及一种数智董秘生成方法及装置。

背景技术

随着科技的不断进步，中国证券监督管理委员会也明确指出强化投资者关系管理，是提高上市公司质量的重要举措，也是投资者保护的重要内容。提出了进一步增加和丰富投资者关系管理的内容及方式，同时对近年来实践中的良好做法予以固化，使其适应互联网、新媒体等新时代发展形势，在电话、传真等投资者关系管理传统沟通渠道基础上，新增网站、新媒体平台、投资者教育基地等新兴渠道。

董秘作为上市公司的高级管理人员，其对外主要负责公司信息披露、投资者关系管理等。目前，董秘投资者关系管理主要依托交易所互动平台、财经媒体、公司网站等自媒体对上市公司公告、财报进行公开信息发布，与投资者的沟通方式目前只是电话、邮件、互动平台的问答等方式，多为图文的文本传输方式。对于投资者来说，互动非常效果差，不利于上市公司信息披露及投资者关系工作，同时也增加董秘的工作量。

发明内容

为此，本申请提供一种数智董秘生成方法及装置，以解决现有技术存在的董秘与投资者的互动效果差且工作量大的问题。

为了实现上述目的，本申请提供如下技术方案：

第一方面，一种数智董秘生成方法，包括：

获取董秘文本数据样本和音频数据样本；

将所述文本数据样本和音频数据样本通过语音合成技术和语音克隆技术生成数智董秘的声音；

获取董秘形象视频样本；

将数智董秘的声音和董秘形象视频样本输入到预先训练好的数字人生成模型中，得到数智董秘形象；

通过人脸数据增强技术增强数智董秘的脸部细节；

通过背景去除算法将数智董秘切换至虚拟场景。

作为优选，所述将所述文本数据样本和音频数据样本通过语音合成技术和语音克隆技术生成数智董秘的声音，具体包括：

提取所述音频数据样本的音色向量；

用所述文本数据样本结合所述音色向量，产生将所述音频数据样本中说话人特征融入到所述文本数据样本对应的语音频谱；

根据所述语音频谱生成数智董秘的声音。

作为优选，所述用所述文本数据样本结合所述音色向量，产生将所述音频数据样本中说话人特征融入到所述文本数据样本对应的语音频谱时采用FastPitch作为主干网络。

作为优选，所述根据所述语音频谱生成数智董秘的声音时采用声码器HiFiGAN。

作为优选，所述数字人生成模型为Wav2lip模型。

作为优选，所述人脸数据增强技术为基于GFP-GAN的人脸数据增强技术。

作为优选，所述背景去除算法采用U2Net。

第二方面，一种数智董秘生成装置，包括：

第一数据获取模块，用于获取董秘文本数据样本和音频数据样本；