[發明專利]一種訓練聲紋識別模型的方法及系統

有效

• 申請號: 201710648032.6
• 申請日: 2017-08-01
• 公開（公告）號: CN107610709B
• 公開（公告）日: 2021-03-19
• 發明（設計）人: 馬嘯空;李超;蔣兵
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/18;G06N3/08
• 代理公司: 北京鴻德海業知識產權代理有限公司 11412
• 代理人: 袁媛

1.一種訓練聲紋模型的方法，其特征在于，包括：

利用第一訓練數據訓練深度神經網絡，生成第一聲紋識別模型；

對第一聲紋識別模型的輸出層進行替換，以使得輸出層所包括的輸出單元的數量與第二訓練數據的基本語音元素的數量相適應，調低隱層的學習率；

利用第二訓練數據對所述第一聲紋識別模型進行訓練，生成第二聲紋識別模型，所述第二聲紋識別模型用于當輸入語音的聲學特征向量時，輸出該語音屬于各輸出單元所對應的語音標識的后驗概率；所述第二聲紋識別模型用于進行聲紋注冊或進行聲紋認證。

2.根據權利要求1所述的方法，其特征在于，所述深度神經網絡的輸出層所包括的輸出單元的數量依據第一訓練數據的基本語音元素的數量確定。

3.根據權利要求2所述的方法，其特征在于，所述利用第一訓練數據訓練深度神經網絡，生成第一聲紋識別模型包括：

獲取所述第一訓練數據的聲學特征向量；

將所述第一訓練數據的聲學特征向量作為輸入，第一訓練數據中的語音標識作為輸出，對所述深度神經網絡進行訓練，得到第一聲紋識別模型。

4.根據權利要求1所述的方法，其特征在于，所述利用第二訓練數據對所述第一聲紋識別模型進行訓練，生成第二聲紋識別模型包括：

獲取所述第二訓練數據的聲學特征向量；

將所述第二訓練數據的聲學特征向量作為輸入，第二訓練數據中的語音標識作為輸出，對第一聲紋識別模型進行訓練，得到第二聲紋識別模型。

5.根據權利要求1所述的方法，其特征在于，所述第一訓練數據包括中文訓練數據，所述第二訓練數據包括英語訓練數據；或者，

所述第一訓練數據包括中文訓練數據，所述第二訓練數據包括數字串訓練數據。

6.根據權利要求1所述的方法，其特征在于，所述進行聲紋注冊包括：

接收用戶發送的聲紋注冊請求，

根據第二聲紋識別模型獲取聲紋注冊請求中語音的后驗概率；

根據所述后驗概率，提取語音的特征向量；

根據所述特征向量獲取所述用戶的聲紋注冊模型；

將用戶標識與所述聲紋注冊模型對應存儲到聲紋注冊數據庫。

7.根據權利要求1所述的方法，其特征在于，所述進行聲紋認證包括：

獲取待識別語音，根據第二聲紋識別模型獲取所述待識別語音的后驗概率；

根據所述后驗概率，提取所述待識別語音的特征向量；

利用所述待識別語音的特征向量在聲紋注冊數據庫中進行匹配，確定匹配得到的聲紋注冊模型對應的用戶標識。

8.一種訓練聲紋識別模型的系統，其特征在于，包括：

模型預訓練單元，用于利用第一訓練數據訓練深度神經網絡，生成第一聲紋識別模型；

遷移學習單元，用于對第一聲紋識別模型的輸出層進行替換，以使得輸出層所包括的輸出單元的數量與第二訓練數據的基本語音元素的數量相適應，調低隱層的學習率；利用第二訓練數據對所述第一聲紋識別模型進行訓練，生成第二聲紋識別模型，所述第二聲紋識別模型用于當輸入語音的聲學特征向量時，輸出該語音屬于各輸出單元所對應的語音標識的后驗概率；所述第二聲紋識別模型用于進行聲紋注冊或認證。

9.根據權利要求8所述的系統，其特征在于，所述深度神經網絡的輸出層所包括的輸出單元的數量依據第一訓練數據的基本語音元素的數量確定。

10.根據權利要求9所述的系統，其特征在于，所述模型預訓練單元包括：

聲學特征獲取子單元，用于獲取所述第一訓練數據的聲學特征向量；

訓練子單元，用于將所述第一訓練數據的聲學特征向量作為輸入，第一訓練數據中的語音標識作為輸出，對所述深度神經網絡進行訓練，得到第一聲紋識別模型。