Aunque el reconocimiento de emociones en el habla ha recibido un énfasis creciente en la investigación y aplicaciones, sigue siendo desafiante debido a la diversidad y complejidad de las emociones y a conjuntos de datos limitados. Para abordar estas limitaciones, proponemos un enfoque novedoso utilizando DCGAN para aumentar los datos de las bases de datos RAVDESS y EmoDB. Luego, evaluamos la eficacia del reconocimiento de emociones utilizando datos de mel-espectrograma mediante un modelo que combina CNN y BiLSTM. Los resultados experimentales preliminares revelan que la técnica sugerida contribuye a mejorar el rendimiento de identificación de emociones en el habla. Los resultados de este estudio proporcionan orientación para un mayor desarrollo en el campo del reconocimiento de emociones en el habla y el potencial para aplicaciones prácticas.