[发明专利]建立音频生成模型的方法以及装置

说明书

本申请公开了一种建立音频生成模型的方法、装置、电子设备和可读存储介质，涉及深度学习技术领域。本申请在进行建立音频生成模型时所采用的实现方案为：获取预设音色的唤醒音频；构建包含生成器与判别器的生成对抗网络；根据所获取的唤醒音频以及随机噪声音频训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为音频生成模型。本申请通过建立音频生成模型来生成特定音色的唤醒音频，能够降低唤醒音频的生成成本，并提升唤醒音频的生成效率。

技术领域

本申请涉及人工智能技术领域，尤其涉及深度学习技术领域中的一种建立音频生成模型的方法、装置、电子设备和可读存储介质。

背景技术

智能设备通常需要用户使用唤醒词进行唤醒之后，才能够进行后续的语音交互。因此智能设备在进行唤醒算法的设计和测试时，通常需要大量的唤醒音频。而现有技术通常采用人工采集的方式来获取唤醒音频，导致唤醒音频的获取成本较高、获取效率较低。

发明内容

本申请为解决技术问题所采用的技术方案是提供一种建立音频生成模型的方法，包括：获取预设音色的唤醒音频；构建包含生成器与判别器的生成对抗网络；根据所获取的唤醒音频以及随机噪声音频训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为音频生成模型。

本申请为解决技术问题所采用的技术方案是提供一种建立音频生成模型的装置，包括：获取单元，用于获取预设音色的唤醒音频；构建单元，用于构建包含生成器与判别器的生成对抗网络；训练单元，用于根据所获取的唤醒音频以及随机噪声音频训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为音频生成模型。

一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述方法。

一种存储有计算机指令的非瞬时计算机可读存储介质，其特征在于，所述计算机指令用于使所述计算机执行上述方法。

上述申请中的一个实施例具有如下优点或有益效果：本申请能够降低唤醒音频的生成成本，并提升唤醒音频的生成效率。因为采用了通过训练生成对抗网络来建立音频生成模型的技术手段，所以克服了现有技术中需要人工采集唤醒音频所导致的成本高、效率低的技术问题，实现了降低唤醒音频的生成成本以及提升唤醒音频的生成效率的技术效果。

上述可选方式所具有的其他效果将在下文中结合具体实施例加以说明。

附图说明

附图用于更好地理解本方案，不构成对本申请的限定。其中：

图1是根据本申请第一实施例的示意图；

图2是根据本申请第二实施例的示意图；

图3是用来实现本申请实施例的建立音频生成模型的方法的电子设备的框图。

具体实施方式

以下结合附图对本申请的示范性实施例做出说明，其中包括本申请实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本申请的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

图1是根据本申请第一实施例的示意图。如图1中所示，本实施例的建立音频生成模型的方法，具体可以包括如下步骤：

S101、获取预设音色的唤醒音频；

S102、构建包含生成器与判别器的生成对抗网络；

S103、根据所获取的唤醒音频以及随机噪声音频训练所述生成对抗网络，将训练得到的所述生成对抗网络中的生成器作为音频生成模型。