CN114141227B 音频语料扩充的方法、装置以及存储介质 （北京中科金得助智能科技有限公司）

司WO2022250724A1,2022.12.012从录音语料库中获取预定数量的录音样本数据，生成与录音样本数利用生成对抗网络的编码器对样本音频特征x进行计算，确定与样本音频特征对应的从录音语料库中获取预定数量的录音样本数据，生成与所述录音样从服从正态分布的样本中获取预定数量的第一利用所述双向生成对抗网络(BiGan)的编码器对所述样本音频特征进行计算，确定与利用所述双向生成对抗网络(BiGan)的解码器对所述第一特征向量进行计算，确定与将所述样本音频特征和对应的所述第二特征向量进行配对，将所述3根据所述判别器的识别结果对所述双向生成对抗网选择相似度小于预定阈值的录音数据中的预定数量的数据作为所述录音样数据获取模块，用于获取第一音频语料，确定与所述第一从录音语料库中获取预定数量的录音样本数据，生成与录音样本数从录音语料库中获取预定数量的录音样本数据，生成与录音样本数45进行录制。因此采用端到端的语音合成方式录制与维护语料的过程过于依赖人力且繁琐，[0003]针对上述的现有技术中存在的语音合成过程中的语料录制与维护过于依赖人力6[0012]图2是根据本公开实施例1的第一个方面所述的音频语料扩充的方法的流程示意7[0021]本实施例所提供的方法实施例可以在服务器或者类似的计算设备中执行。图1示可以包括一个或多个处理器(处理器可以包括但不限于微处理器MCU或可编程逻辑器件[0022]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可扩充的方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器内的软件程序设备的通信供应商提供的无线网络。在一个实例中，传输装置包括一个网络适配器[0025]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与8可以根据第一音频特征生成第二音频特征，例如将上述的40000条语料的第一音频特征输9[0038]具体地，基于双向生成对抗网络(BiGan)的语音生成模型一般性地可以包括编码器encoder、解码器decoder(也可以称之为生成器Generator)以及辨别器Discriminator。在利用预先训练的音频生成模型对第一音频特征进行计算，生成第二音频特征的操作中，间的相似度。[0066]图5示出了根据本实施例所述的音频语料扩充的装置500，该装置500与根据实施录音语料库中获取预定数量的录音样本数据，生成与录音样本数据对应的样本音频特征；从服从正态分布的样本中获取预定数量的第一特征向量；利用双向生成对抗网络(BiGan)生成对抗网络(BiGan)的解码器对第一特征向量进行计算，确定与第一特征向量对应的生[0075]图6示出了根据本实施例所述的音频语料扩充的装置600，该装置600与根据实施特征；从服从正态分布的样本中获取预定数量的第一特征向量；利用双向生成对抗网络用双向生成对抗网络(BiGan)的解码器对第一特征向量进行计算，确定与第一特征向量对[0088]所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形