CN111899747A - 用于合成音频的方法和装置 - Google Patents

Abstract

本公开的实施例公开了用于合成音频的方法和装置。该方法的一具体实施方式包括：获取初始音频；利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，音频生成器是作为生成式对抗网络中的生成器、与生成式对抗网络中的判别器进行对抗训练得到的，判别器用于判定合成音频是否为带噪声的音频。采用该方法可以实现在初始音频中加入音频水印。

Description

用于合成音频的方法和装置

技术领域

本公开涉及计算机技术领域，尤其涉及用于合成音频的方法和装置。

背景技术

随着人工智能技术的发展，语音生成技术也日渐成熟，并广泛应用到人们的生活中，例如，利用语音生成技术生成有声读物、或者利用语音生成技术生成智能硬件的发音等。

在应用语音生成技术生成语音的同时，需要在生成语音中加入音频水印。

发明内容

本公开的实施例提出了用于合成音频的方法和装置、以及用于训练音频生成器的方法和装置。

第一方面，本公开的实施例提供了一种用于合成音频的方法，该方法包括：获取初始音频；利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，音频生成器是作为生成式对抗网络中的生成器、与生成式对抗网络中的判别器进行对抗训练得到的，判别器用于判定合成音频是否为带噪声的音频。

在一些实施例中，判别器基于合成音频的频率分布与初始音频的频率分布判定合成音频是否为带噪声的音频。

在一些实施例中，用于合成音频的方法还包括：获取待鉴别版权的音频；提取待鉴别版权的音频中的噪声和原始音频，响应于待鉴别版权的音频中的噪声为使用音频生成器对与提取出的原始音频对应的初始音频添加的水印噪声，确定待鉴别版权的音频的版权属于音频生成器的归属方。

第二方面，本公开的实施例提供了一种用于训练音频生成器的方法，该方法包括：获取初始样本音频；通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器，其中迭代操作包括：将待训练的音频生成器作为待训练的生成对抗网络中的生成器对初始样本音频添加噪声，生成样本合成音频；利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频；基于判别器的判别结果更新生成器和判别器。

在一些实施例中，基于判别器的判别结果更新生成器和判别器，包括：执行第一更新操作和第二更新操作，其中，在第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在第二更新操作中根据第一更新操作中判别器的判定结果更新判别器。

在一些实施例中，利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频，包括：利用判别器判定样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据判别器的判定结果确定生成器生成的样本合成音频是否为带噪声的音频。

在一些实施例中，用于训练音频生成器的方法还包括：响应于迭代操作达到预设终止条件，停止迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

第三方面，本公开的实施例提供了一种用于合成音频的装置，该装置包括：获取单元，被配置为获取初始音频；生成单元，被配置为利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，音频生成器是作为生成式对抗网络中的生成器、与生成式对抗网络中的判别器进行对抗训练得到的，判别器用于判定合成音频是否为带噪声的音频。

在一些实施例中，判别器基于合成音频的频率分布与初始音频的频率分布判定合成音频是否为带噪声的音频。

在一些实施例中，用于合成音频的装置还包括：待鉴别音频获取单元，被配置为获取待鉴别版权的音频；鉴别单元，被配置为提取待鉴别版权的音频中的噪声和原始音频，响应于待鉴别版权的音频中的噪声为使用音频生成器对与提取出的原始音频对应的初始音频添加的水印噪声，确定待鉴别版权的音频的版权属于音频生成器的归属方。

第四方面，本公开的实施例提供了一种用于训练音频生成器的装置，包括：样本获取单元，被配置为获取初始样本音频；迭代单元，被配置为通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器，其中迭代单元包括：生成器训练单元，被配置为将待训练的音频生成器作为待训练的生成对抗网络中的生成器对初始样本音频添加噪声，生成样本合成音频；判别器训练单元，被配置为利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频；更新单元，被配置为基于判别器的判别结果更新生成器和判别器。

在一些实施例中，更新单元，包括：执行模块，被配置为执行第一更新操作和第二更新操作，其中，在第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在第二更新操作中根据第一更新操作中判别器的判定结果更新判别器。

在一些实施例中，判别器训练单元，包括：判别器训练模块，被配置为利用判别器判定样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据判别器的判定结果确定生成器生成的样本合成音频是否为带噪声的音频。

在一些实施例中，用于训练音频生成器的装置还包括：停止迭代单元，被配置为响应于迭代操作达到预设终止条件，停止迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

第五方面，本公开的实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述用于合成音频的方法中任一实施例的方法。

第六方面，本公开的实施例提供了一种计算机可读介质，其上存储有计算机程序，该程序被处理器执行时实现上述用于合成音频的方法中任一实施例的方法。

本公开的实施例提供的用于合成音频的方法和装置，通过获取初始音频，并利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频。用于训练音频生成器的方法和装置，通过初始训练音频，采用生成对抗网络训练音频生成器，可以使训练完成的音频生成器生成的合成音频与初始音频具有较高的相似性，从而避免影响合成音频的原始听感。

附图说明

通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本公开的其它特征、目的和优点将会变得更明显：

图1是本公开的一个实施例可以应用于其中的示例性系统架构图；

图2是根据本公开的用于合成音频的方法的一个实施例的流程图；

图3是根据本公开的用于训练音频生成器的方法的一个实施例的流程图；

图4是根据本公开的用于合成音频的装置的一个实施例的结构示意图；

图5是根据本公开的用于训练音频生成器的装置的一个实施例的结构示意图；

图6是适于用来实现本公开的实施例的终端设备的计算机系统的结构示意图。

具体实施方式

下面结合附图和实施例对本公开作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释本公开的实施例，而非对本公开的实施例的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本公开的实施例相关的部分。

需要说明的是，在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本公开。

图1示出了可以应用本公开的用于合成音频的方法或用于合成音频的装置以及用于训练音频生成器的方法或用于训练音频生成器的装置的实施例的示例性系统架构100。

如图1所示，系统架构100可以包括终端设备101、102、103，网络104和服务器105。网络104用以在终端设备101、102、103和服务器105之间提供通信链路的介质。网络104可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。

用户可以使用终端设备101、102、103通过网络104与服务器105交互，以接收或发送消息等。终端设备101、102、103上可以安装有各种通讯客户端应用，例如语音合成应用、网页浏览器应用、购物类应用、搜索类应用、即时通信工具、邮箱客户端、社交平台软件等。

终端设备101、102、103可以是硬件，也可以是软件。当终端设备101、102、103为硬件时，可以是具有显示屏的各种电子设备，包括但不限于智能手机、平板电脑、电子书阅读器、MP3播放器(Moving Picture Experts Group Audio Layer III，动态影像专家压缩标准音频层面3)、MP4(Moving Picture Experts Group Audio Layer IV，动态影像专家压缩标准音频层面4)播放器、膝上型便携计算机和台式计算机等等。当终端设备101、102、103为软件时，可以安装在上述所列举的电子设备中。其可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

终端设备101、102、103可以获取初始音频，并利用其上的音频生成器对该初始音频加入水印噪声，以生成合成音频。终端设备101、102、103上的音频生成器可以是由服务器105训练并发送的。

服务器105可以通过终端设备101、102、103获取样本音频，并利用样本音频对音频生成器进行训练，并将训练完成的音频生成器发送至终端设备101、102、103。

需要说明的是，本公开的实施例所提供的用于合成音频的方法一般由终端设备101、102、103执行，相应地，用于合成音频的装置一般设置于终端设备101、102、103中。本公开的实施例所提供的用于训练音频生成器的方法一般由服务器105执行，相应地，用于训练音频生成器的装置一般设置于服务器105中。

需要说明的是，服务器可以是硬件，也可以是软件。当服务器为硬件时，可以实现成多个服务器组成的分布式服务器集群，也可以实现成单个服务器。当服务器为软件时，可以实现成多个软件或软件模块(例如用来提供分布式服务的多个软件或软件模块)，也可以实现成单个软件或软件模块。在此不做具体限定。

应该理解，图1中的终端设备、网络和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的终端设备、网络和服务器。

继续参考图2，其示出了根据本公开的用于合成音频的方法的一个实施例的流程200。该用于合成音频的方法，包括以下步骤：

步骤201，获取初始音频。

在本实施例中，用于合成音频的方法的执行主体(例如图1所示的终端设备)可以获取不带噪声的初始音频，该初始音频可以是用户录入的真人语音，可以是机器生成的生成语音，例如智能硬件的交互语音，还可以是用户建立的用于训练语音识别模型等神经网络模型的语料库中的音频。

步骤202，利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，音频生成器是作为生成式对抗网络中的生成器、与生成式对抗网络中的判别器进行对抗训练得到的，判别器用于判定合成音频是否为带噪声的音频。

在本实施例中，可以利用音频生成器在初始音频中添加水印噪声音频，其中，音频生成器是作为生成对抗网络中的生成器与生成对抗网络中的判别器进行对抗训练得到的，在对抗训练的过程中，生成对抗网络中的生成器用于根据初始音频生成带噪声的合成音频，判别器用于判定合成音频是否为带噪声的音频。当判别器判定合成音频为带噪声的音频时，训练生成器：根据判定结果生成针对生成器的反馈信息，生成器根据该针对生成器的反馈信息进行更新，并再次根据初始音频生成带噪声的合成音频，直到判别器判定合成音频为不带噪声的音频时，训练判别器：根据判定结果生成针对判别器的反馈信息，判别器根据该针对判别器的反馈信息进行更新，并再次判断合成音频是否为带噪声的音频，直到判别器判定合成音频为带噪声的音频，则根据判定结果生成针对生成器的反馈信息，继续训练生成器。在生成器与判别器交替训练的过程中，生成器添加的噪声的音频分布会逐渐拟合初始音频的频率分布，当生成器与判别器交替训练的次数达到预设次数、生成器生成的合成音频的频率分布与初始音频的频率分布的相似度达到相似度阈值、或者生成器或判别器的网络参数达到预设参数阈值时，停止训练，并且将在最后一次训练时更新的生成器作为训练完成的音频生成器。

本实施例提供的用于合成音频的方法，通过获取初始音频，并利用音频生成器对初始音频添加预设的水印噪声音频，以生成带噪声的合成音频。

可选地，判别器基于合成音频的频率分布与初始音频的频率分布判定合成音频是否为带噪声的音频。

在本实施例中，可以预设分布相似度阈值，当判别器判定合成音频的频率分布与初始音频的频率分布的相似度达到预设分布相似度阈值时则判定合成音频为不带噪声的音频；当判别器判定合成音频的频率分布与初始音频的频率分布的相似度未达到预设分布相似度阈值时则判定合成音频为带噪声的音频。本实施例中判别器根据合成音频与初始音频的频率分布判定合成音频是否为带噪声的音频可以使生成器生成的合成音频与初始音频的频率分布接近一致，可以确保合成音频的音频效果。

可选地，用于合成音频的方法还包括：获取待鉴别版权的音频；提取待鉴别版权的音频中的噪声和原始音频，响应于待鉴别版权的音频中的噪声为使用音频生成器对与提取出的原始音频对应的初始音频添加的水印噪声，确定待鉴别版权的音频的版权属于音频生成器的归属方。

在本实施例中，首先获取需要进行版权鉴别的音频，利用噪声提取方法或者音频分离方法，例如自适应滤波法，获得待鉴别版权的音频中的噪声和原始音频，根据该原始音频在数据库中查找对应的初始音频，以及利用音频生成器对初始音频添加的水印噪声，若待鉴别版权的音频中的噪声与该水印噪声一致，则确定待鉴别版权的音频的版权属于音频生成器的归属方。其中，音频生成器的归属方可以是音频生成器的开发者，开发者可以是公司或者个人，音频生成器的开发者开发或者训练出该音频生成器并应用该音频生成器为自己的初始音频加入水印；音频生成器的归属方可以是音频生成器的使用者，使用者可以是公司或者个人，使用者可以利用音频生成器为自己的初始音频加入水印。本实施例利用合成音频中的水印噪声对合成音频的版权进行鉴别，可以使用户发现自己的合成音频被盗用时，通过预先加入的水印噪声证明该合成音频的版权归属方，从而保护自己的音频产品以及权益。

进一步参考图3，其示出了用于训练音频生成器的方法的一个实施例的流程300。该用于训练音频生成器的方法的流程300，包括以下步骤：

步骤301，获取初始样本音频。

在本实施例中，用于训练音频生成器的方法的执行主体(例如图1所示的服务器)可以通过终端设备或者互联网获取初始样本音频，该初始样本音频用于训练待训练的音频生成器。

步骤302，通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器。

在本实施例中，通过使用初始样本音频对待训练的音频生成器执行至少一轮迭代操作，得到目标音频生成器。

迭代操作包括步骤3021、步骤3022、步骤3023：

步骤3021，将待训练的音频生成器作为待训练的生成对抗网络中的生成器对初始样本音频添加噪声，生成样本合成音频。

在本实施例中，将待训练的音频生成器作为待训练的生成对抗网络中的生成器，与生成对抗网络中的判别器进行对抗训练。利用待训练的音频生成器对初始样本音频添加随机噪声，生成样本合成音频。

步骤3022，利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频。

在本实施例中，利用待训练的生成对抗网络中的判别器对待训练的音频生成器生成的样本合成音频进行判别，判别器样本合成音频是否为带噪声的音频。

步骤3023，基于判别器的判别结果更新生成器和判别器。

在本实施例中，若判别器判定样本合成音频为带噪声的音频，则根据该判定结果生成针对生成器的反馈信息，并基于针对生成器的反馈信息更新待训练的生成对抗网络中的生成器；若判别器判定样本合成音频为不带噪声的音频，则根据该判定结果生成针对判别器的反馈信息，并基于针对判别器的反馈信息更新待训练的生成对抗网络中的判别器。

本实施例通过初始训练音频，采用生成对抗网络训练音频生成器，可以使训练完成的音频生成器生成的合成音频与初始音频具有较高的相似性，从而避免影响合成音频的原始听感。

可选地，基于判别器的判别结果更新生成器和判别器，包括：执行第一更新操作和第二更新操作，其中，在第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在第二更新操作中根据第一更新操作中判别器的判定结果更新判别器。

在本实施例中，基于判别器的判别结果更新生成器和判别器具体包括第一更新操作以及第二更新操作，当判别器判定样本合成音频为带噪声的音频，执行第一更新操作，在第一更新操作中，基于判别器判定的结果生成针对生成器的反馈信息，并基于该反馈信息更新生成器后利用更新后的生成器更新对初始样本音频添加噪声后生成的样本合成音频，然后再利用判别器判别更新后的样本合成音频是否为带噪声的音频，若判别器判定更新后的样本合成音频为带噪声的音频，则重复执行第一更新操作，直到判别器判定更新后的样本合成音频为不带噪声的音频，则执行第二更新操作。在第二更新操作中，根据第一更新操作中判别器判定样本合成音频为不带噪声的合成音频的判定结果生成针对判别器的反馈信息，并基于该反馈信息更新判别器。

可选地，利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频，包括：利用判别器判定样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据判别器的判定结果确定生成器生成的样本合成音频是否为带噪声的音频。

在本实施例中，可以利用判别器判定样本合成音频的频率分布与对应的初始样本音频的频率分布的相似性是否达到预设相似度阈值，若达到预设相似度阈值，则判定样本合成音频为不带噪声的音频，若未达到预设相似度阈值，则判定样本合成音频为带噪声的音频。本实施例中判别器根据样本合成音频与初始样本音频的频率分布判定样本合成音频是否为带噪声的音频以更新待训练的生成对抗网络，可以使训练完成的生成对抗网络中的生成器生成的合成音频与初始音频的频率分布具有一致性。

在上述图3描述的实施例的一些可选的实现方式中，用于训练音频生成器的方法还包括：响应于迭代操作达到预设终止条件，停止迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

在本实施例中。当训练待训练的生成对抗网络的迭代操作达到预设终止条件时，停止迭代操作以停止对待训练的生成对抗网络的训练，并且将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，即，训练完成的音频生成器，将在最后一轮迭代操作中生成的合成音频，即，目标音频生成器生成的带噪声的合成音频确定为目标合成音频。其中，预设终止条件可以是迭代操作次数达到预设训练次数，可以是样本合成音频与初始样本音频的相似度满足预设相似度阈值，可以是生成对抗网络中的生成器或者判别器的网络参数达到预设参数阈值，例如判别器的损失函数的损失值满足预设损失值阈值等。本实施例根据预设终止条件停止对生成对抗网络的训练，可以在使生成对抗网络中的生成器性能符合预期的同时减少迭代次数，提高训练效率。

进一步参考图4，作为对上述各图所示方法的实现，本公开提供了一种用于合成音频的装置的一个实施例，该装置实施例与图2所示的方法实施例相对应，该装置具体可以应用于各种终端设备中。

如图4所示，本实施例的用于合成音频的装置400包括：获取单元401、生成单元402。其中，获取单元401，被配置为获取初始音频；生成单元402，被配置为利用音频生成器对初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，音频生成器是作为生成式对抗网络中的生成器、与生成式对抗网络中的判别器进行对抗训练得到的，判别器用于判定合成音频是否为带噪声的音频。

在一些实施例中，判别器基于合成音频的频率分布与初始音频的频率分布判定合成音频是否为带噪声的音频。

在一些实施例中，用于合成音频的装置还包括：待鉴别音频获取单元，被配置为获取待鉴别版权的音频；鉴别单元，被配置为提取待鉴别版权的音频中的噪声和原始音频，响应于待鉴别版权的音频中的噪声为使用音频生成器对与提取出的原始音频对应的初始音频添加的水印噪声，确定待鉴别版权的音频的版权属于音频生成器的归属方。

可以理解的是，该装置400中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置400及其中包含的单元，在此不再赘述。

进一步参考图5，作为对上述各图所示方法的实现，本公开提供了一种用于训练音频生成器的装置的一个实施例，该装置实施例与图3所示的方法实施例相对应，该装置具体可以应用于各种终端设备中。

如图5所示，本实施例的用于训练音频生成器的装置，包括：样本获取单元501、迭代单元502、生成器训练单元5021、判别器训练单元5022、更新单元5023。其中，样本获取单元501，被配置为获取初始样本音频；迭代单元502，被配置为通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器，其中迭代单元502包括：生成器训练单元5021，被配置为将待训练的音频生成器作为待训练的生成对抗网络中的生成器对初始样本音频添加噪声，生成样本合成音频；判别器训练单元5022，被配置为利用待训练的生成对抗网络中的判别器判别生成器生成的样本合成音频是否为带噪声的音频；更新单元5023，被配置为基于判别器的判别结果更新生成器和判别器。

在一些实施例中，更新单元，包括：执行模块，被配置为执行第一更新操作和第二更新操作，其中，在第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在第二更新操作中根据第一更新操作中判别器的判定结果更新判别器。

在一些实施例中，判别器训练单元，包括：判别器训练模块，被配置为利用判别器判定样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据判别器的判定结果确定生成器生成的样本合成音频是否为带噪声的音频。

在一些实施例中，用于训练音频生成器的装置还包括：停止迭代单元，被配置为响应于迭代操作达到预设终止条件，停止迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

可以理解的是，该装置500中记载的诸单元与参考图3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置500及其中包含的单元，在此不再赘述。

下面参考图6，其示出了适于用来实现本公开实施例的终端设备(例如图1中的终端设备)600的结构示意图。本公开实施例中的终端设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图6示出的终端设备仅仅是一个示例，不应对本公开实施例的功能和使用范围带来任何限制。

如图6所示，终端设备600可以包括处理装置(例如中央处理器、图形处理器等)601，其可以根据存储在只读存储器(ROM)602中的程序或者从存储装置608加载到随机访问存储器(RAM)603中的程序而执行各种适当的动作和处理。在RAM 603中，还存储有终端设备600操作所需的各种程序和数据。处理装置601、ROM 602以及RAM603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。

通常，以下装置可以连接至I/O接口605：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置606；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置607；包括例如磁带、硬盘等的存储装置608；以及通信装置609。通信装置609可以允许终端设备600与其他设备进行无线或有线通信以交换数据。虽然图6示出了具有各种装置的终端设备600，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。

特别地，根据本公开的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的实施例中，该计算机程序可以通过通信装置609从网络上被下载和安装，或者从存储装置608被安装，或者从ROM 602被安装。在该计算机程序被处理装置601执行时，执行本公开实施例的方法中限定的上述功能。

需要说明的是，本公开所述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。

上述计算机可读介质可以是上述终端设备中所包含的；也可以是单独存在，而未装配入该终端设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该终端设备执行时，使得该终端设备：获取目标用户输入的语音信息；对语音信息进行识别，获得目标文本信息；基于目标文本信息，确定当前界面是否能够响应语音信息；响应于确定当前界面能够响应语音信息，利用当前界面所属的应用执行语音信息所对应的操作。

可以以一种或多种程序设计语言或其组合来编写用于执行本公开的操作的计算机程序代码，所述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。

附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。

描述于本公开实施例中所涉及到的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。其中，单元的名称在某种情况下并不构成对该单元本身的限定，例如，获取单元还可以被描述为“获取语音信息的单元”。

以上描述仅为本公开的较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开中所涉及的公开范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述公开构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。

Claims (16)

1.一种用于合成音频的方法，包括：

获取初始音频；

利用音频生成器对所述初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，所述音频生成器是作为生成式对抗网络中的生成器、与所述生成式对抗网络中的判别器进行对抗训练得到的，所述判别器用于判定所述合成音频是否为带噪声的音频。

2.根据权利要求1所述的方法，其中，所述判别器基于所述合成音频的频率分布与所述初始音频的频率分布判定所述合成音频是否为带噪声的音频。

3.根据权利要求1或2所述的方法，其中，所述方法还包括：

获取待鉴别版权的音频；

提取所述待鉴别版权的音频中的噪声和原始音频，响应于所述待鉴别版权的音频中的噪声为使用所述音频生成器对与提取出的所述原始音频对应的初始音频添加的水印噪声，确定所述待鉴别版权的音频的版权属于所述音频生成器的归属方。

4.一种用于训练音频生成器的方法，包括：

获取初始样本音频；

通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器，其中所述迭代操作包括：

将所述待训练的音频生成器作为待训练的生成对抗网络中的生成器对所述初始样本音频添加噪声，生成样本合成音频；

利用所述待训练的生成对抗网络中的判别器判别所述生成器生成的样本合成音频是否为带噪声的音频；

基于所述判别器的判别结果更新所述生成器和所述判别器。

5.根据权利要求4所述的方法，其中，所述基于所述判别器的判别结果更新所述生成器和所述判别器，包括：

执行第一更新操作和第二更新操作，其中，在所述第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对所述初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在所述第二更新操作中根据所述第一更新操作中所述判别器的判定结果更新所述判别器。

6.根据权利要求4所述的方法，其中，所述利用所述待训练的生成对抗网络中的判别器判别所述生成器生成的样本合成音频是否为带噪声的音频，包括：

利用所述判别器判定所述样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据所述判别器的判定结果确定所述生成器生成的样本合成音频是否为带噪声的音频。

7.根据权利要求4-6任一项所述的方法，其中，所述方法还包括：

响应于所述迭代操作达到预设终止条件，停止所述迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将所述目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

8.一种用于合成音频的装置，包括：

获取单元，被配置为获取初始音频；

生成单元，被配置为利用音频生成器对所述初始音频添加预设的水印噪声音频，生成带噪声的合成音频，其中，所述音频生成器是作为生成式对抗网络中的生成器、与所述生成式对抗网络中的判别器进行对抗训练得到的，所述判别器用于判定所述合成音频是否为带噪声的音频。

9.根据权利要求8所述的装置，其中，所述判别器基于所述合成音频的频率分布与所述初始音频的频率分布判定所述合成音频是否为带噪声的音频。

10.根据权利要求8或9所述的装置，其中，所述装置还包括：

待鉴别音频获取单元，被配置为获取待鉴别版权的音频；

鉴别单元，被配置为提取所述待鉴别版权的音频中的噪声和原始音频，响应于所述待鉴别版权的音频中的噪声为使用所述音频生成器对与提取出的所述原始音频对应的初始音频添加的水印噪声，确定所述待鉴别版权的音频的版权属于所述音频生成器的归属方。

11.一种用于训练音频生成器的装置，包括：

样本获取单元，被配置为获取初始样本音频；

迭代单元，被配置为通过对待训练的音频生成器执行至少一轮迭代操作得到目标音频生成器，其中所述迭代单元包括：

生成器训练单元，被配置为将所述待训练的音频生成器作为待训练的生成对抗网络中的生成器对所述初始样本音频添加噪声，生成样本合成音频；

判别器训练单元，被配置为利用所述待训练的生成对抗网络中的判别器判别所述生成器生成的样本合成音频是否为带噪声的音频；

更新单元，被配置为基于所述判别器的判别结果更新所述生成器和所述判别器。

12.根据权利要求11所述的装置，其中，所述更新单元，包括：

执行模块，被配置为执行第一更新操作和第二更新操作，其中，在所述第一更新操作中根据判别器的判定结果更新生成器，并利用更新后的生成器更新对所述初始样本音频添加噪声后生成的样本合成音频，利用判别器判别更新的样本合成音频是否为带噪声的音频，在所述第二更新操作中根据所述第一更新操作中所述判别器的判定结果更新所述判别器。

13.根据权利要求11所述的装置，其中，所述判别器训练单元，包括：

判别器训练模块，被配置为利用所述判别器判定所述样本合成音频的频率分布是否与对应的初始样本音频的频率分布一致，根据所述判别器的判定结果确定所述生成器生成的样本合成音频是否为带噪声的音频。

14.根据权利要求11-13任一项所述的装置，其中，所述装置还包括：

停止迭代单元，被配置为响应于所述迭代操作达到预设终止条件，停止所述迭代操作，并将在最后一轮迭代操作中更新的生成器确定为目标音频生成器，将所述目标音频生成器生成的带噪声的合成音频确定为目标合成音频。

15.一种电子设备，包括：

一个或多个处理器；

存储装置，其上存储有一个或多个程序，

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。

16.一种计算机可读介质，其上存储有计算机程序，其中，该程序被处理器执行时实现如权利要求1-7中任一所述的方法。

Images