[發(fā)明專利]一種語音身份特征提取器、分類器訓(xùn)練方法及相關(guān)設(shè)備

有效

• 申請?zhí)枺?/td>: 201710910880.X
• 申請日: 2017-09-29
• 公開（公告）號: CN109584884B
• 公開（公告）日: 2022-09-13
• 發(fā)明（設(shè)計）人: 李娜;王珺
• 申請（專利權(quán)）人: 騰訊科技（深圳）有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/14;G10L17/18
• 代理公司: 深圳市深佳知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44285
• 代理人: 王仲凱

本發(fā)明實施例提供一種語音身份特征提取器、分類器訓(xùn)練方法及相關(guān)設(shè)備，該語音身份特征提取器訓(xùn)練方法包括：提取訓(xùn)練語音的語音特征向量；根據(jù)訓(xùn)練語音的語音特征向量，確定相應(yīng)的I?vector；以I?vector作為神經(jīng)網(wǎng)絡(luò)模型的第一目標(biāo)輸出，對神經(jīng)網(wǎng)絡(luò)模型的權(quán)重進(jìn)行調(diào)整，得到第一神經(jīng)網(wǎng)絡(luò)模型；獲取目標(biāo)檢測語音的語音特征向量，確定第一神經(jīng)網(wǎng)絡(luò)模型對目標(biāo)檢測語音的語音特征向量的輸出結(jié)果；根據(jù)輸出結(jié)果，確定身份因子隱變量；估計身份因子隱變量的后驗均值，以后驗均值作為第一神經(jīng)網(wǎng)絡(luò)模型的第二目標(biāo)輸出，調(diào)整第一神經(jīng)網(wǎng)絡(luò)模型的權(quán)重，得到語音身份特征提取器。通過本發(fā)明實施例可訓(xùn)練得到新型的語音身份特征提取器，為高可靠性的新型的語音身份特征的提取提供了可能。

技術(shù)領(lǐng)域

本發(fā)明涉及語音技術(shù)領(lǐng)域，具體涉及一種語音身份特征提取器、分類器訓(xùn)練方法及相關(guān)設(shè)備。

背景技術(shù)

語音由于采集簡便、易于存儲、難于模仿等特性在越來越多的身份識別場景中得到應(yīng)用，為涉及信息安全保密的場所解決了諸多的信息安全問題。基于語音的說話人身份識別可分為說話人辨認(rèn)(Speaker Identification)和說話人確認(rèn)(SpeakerVerification)兩類；說話人辨認(rèn)主要是基于說話人說出的待測語音，判斷說話人是否屬于已注冊的說話人集合中的一位，是一對多的識別問題；說話人確認(rèn)是基于說話人說出的待測語音，判斷說話人是否為已注冊的一個目標(biāo)說話人，是一對一的確認(rèn)問題。

基于語音進(jìn)行說話人身份識別時，需要基于說話人的語音提取出表達(dá)說話人身份信息的語音身份特征，通過預(yù)先訓(xùn)練的分類器對該語音身份特征進(jìn)行處理，從而實現(xiàn)說話人的身份識別。目前，主要采用I-vector(身份因子，Identity-vector)作為語音身份特征，雖然I-vector能夠反映說話人聲學(xué)差異，是目前常用的進(jìn)行說話人身份識別的語音身份特征，但本發(fā)明的發(fā)明人發(fā)現(xiàn)：I-vector的可靠性建立在要求較為嚴(yán)格的語音上，在語音時長較短等不符合要求的情況下，I-vector的可靠性將極大的降低。

因此如何提供一種新型的語音身份特征提取器，實現(xiàn)區(qū)別于I-vector的新型的語音身份特征的提取，以提升語音身份特征的可靠性，成為了本領(lǐng)域技術(shù)人員需要考慮的問題。

發(fā)明內(nèi)容

有鑒于此，本發(fā)明實施例提供一種語音身份特征提取器、分類器訓(xùn)練方法及相關(guān)設(shè)備，以提供新型的語音身份特征提取器，實現(xiàn)高可靠性的新型的語音身份特征的提取；進(jìn)一步，基于該新型的語音身份特征實現(xiàn)說話人身份識別，提升說話人身份識別的準(zhǔn)確性。

為實現(xiàn)上述目的，本發(fā)明實施例提供如下技術(shù)方案：

一種語音身份特征提取器訓(xùn)練方法，包括：

提取訓(xùn)練語音的語音特征向量；

根據(jù)所述訓(xùn)練語音的語音特征向量，確定所述訓(xùn)練語音相應(yīng)的I-vector；

以所述I-vector作為神經(jīng)網(wǎng)絡(luò)模型的第一目標(biāo)輸出，對神經(jīng)網(wǎng)絡(luò)模型的權(quán)重進(jìn)行調(diào)整，得到第一神經(jīng)網(wǎng)絡(luò)模型；

獲取目標(biāo)檢測語音的語音特征向量，確定所述第一神經(jīng)網(wǎng)絡(luò)模型對所述目標(biāo)檢測語音的語音特征向量的輸出結(jié)果；

根據(jù)所述輸出結(jié)果，確定身份因子隱變量；

估計身份因子隱變量的后驗均值，以所述后驗均值作為所述第一神經(jīng)網(wǎng)絡(luò)模型的第二目標(biāo)輸出，調(diào)整所述第一神經(jīng)網(wǎng)絡(luò)模型的權(quán)重，得到語音身份特征提取器。

本發(fā)明實施例還提供一種分類器訓(xùn)練方法，包括：

獲取目標(biāo)說話人的目標(biāo)檢測語音；

提取所述目標(biāo)檢測語音的語音特征向量；

調(diào)用預(yù)訓(xùn)練的語音身份特征提取器，將所述目標(biāo)檢測語音的語音特征向量輸入語音身份特征提取器，得到相應(yīng)的語音身份特征；其中，所述語音身份特征提取器以身份因子隱變量為目標(biāo)輸出訓(xùn)練得到；