[发明专利]生成模型推理中的动态回火采样

权利要求书

1.一种对输出音频样本(22)进行采样的方法(800)，所述方法(800)包括：

在活动语音通信会话中的丢包隐藏事件期间：

由数据处理硬件(144)在具有开始时间和结束时间的时间窗口期间获得先前输出音频样本(22)的序列，所述结束时间在所述丢包隐藏事件开始时发生；以及

在所述丢包隐藏事件期间的多个时间步(322)中的每个时间步处：

由数据处理硬件(144)使用语音合成模型(160)为对应时间步生成可能输出音频样本(22)的概率分布(164、342)，所述概率分布(164、342)中的每个可能输出音频样本(22)包括指示对应的可能输出音频样本(22)表示所述对应时间步处的话语的一部分的可能性的相应概率；

由所述数据处理硬件(144)基于所述多个时间步(322)中的对应时间步之前的时间步(322)的数量、初始温度采样值(324)、最小温度采样值(326)和最大温度采样值(328)的函数来确定温度采样值(332)；

由所述数据处理硬件(144)将所述温度采样值(332)应用于所述概率分布(164、342)，以调整从所述概率分布(164、342)选择可能输出音频样本(22)的概率；

由所述数据处理硬件(144)基于与所述可能输出音频样本(22)中的每一个相关联的经调整的概率来随机地选择所述概率分布(164、342)的可能输出音频样本(22)中的一个；以及

由所述数据处理硬件(144)使用随机地选择的输出音频样本(22)生成合成语音(172)。

2.如权利要求1所述的方法(800)，其中，所述函数是线性函数。

3.如权利要求2所述的方法(800)，其中，所述最大温度采样值(328)为0.85。

4.如权利要求1-3中的任一项所述的方法(800)，其中，所述最小温度采样值(326)为0.25。

5.如权利要求1-4中的任一项所述的方法(800)，其中，所述初始温度采样值(324)与所述最小温度采样值(326)相同。

6.如权利要求1-5中的任一项所述的方法(800)，其中，确定所述温度采样值包括：

在所述丢包隐藏事件期间，确定所述多个时间步(322)中的在所述对应时间步之前的时间步(322)的数量；以及

当所述时间步(322)的数量满足阈值时，使所述温度采样值增加设定量。

7.如权利要求6所述的方法(800)，其中，所述阈值包括十个时间步的倍数。

8.如权利要求6或7所述的方法(800)，其中，所述设定量为0.1。

9.如权利要求1-8中的任一项所述的方法(800)，其中，确定所述温度采样值(332)包括：在所述丢包隐藏事件期间，基于所述多个时间步(322)中的在所述对应时间步之前的时间步(322)的数量来增加所述温度采样值(332)。

10.如权利要求1-9中的任一项所述的方法(800)，其中，确定所述温度采样值(332)进一步包括：一旦所述温度采样值(332)等于所述最大温度采样值(328)，则将所述温度采样值(332)保持在所述最大温度采样值(328)。