[發明專利]語音認證方法、信息處理設備以及存儲介質

在審

• 申請號: 201711268086.6
• 申請日: 2017-12-05
• 公開（公告）號: CN109872721A
• 公開（公告）日: 2019-06-11
• 發明（設計）人: 劉柳;石自強;劉汝杰
• 申請（專利權）人: 富士通株式會社
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L25/12;G10L25/18;G10L25/24;G10L25/27;G10L25/51
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 陳煒;王偉楠

本公開提供了語音認證方法、信息處理設備以及存儲介質。該語音認證方法包括：隨機生成由預定素材集中的元素構成的認證序列；提示被測用戶以語音方式輸入認證序列，得到待認證語音序列；從待認證語音序列中提取語音特征；以及將所提取的語音特征輸入到判別模型，以判斷被測用戶是否為特定注冊用戶，其中，判別模型基于從注冊模型庫中選擇的、分別與認證序列的各個元素相對應的多個注冊語音模型，其中，注冊模型庫包括分別與預定素材集中的各個元素相對應的注冊語音模型，每個元素的注冊語音模型是基于從特定用戶對該元素的相應語音輸入中提取的語音特征而單獨預先訓練得到的。

技術領域

本公開總體上涉及語音處理領域，具體而言，涉及基于文本相關的說話人確認的語音認證方法、能夠實現該語音認證方法的信息處理設備和存儲介質。

背景技術

說話人確認是一種通過語音來確認該語音的說話人身份是否為指定說話人的技術，也稱為聲紋確認。基于說話人確認的語音認證技術可以應用在信息安全、身份認證等場景，其在法院、醫院、銀行和軍事機構等有很多重要應用。

目前，實現說話人確認的方式包括文本無關的說話人確認以及文本相關的說話人確認。傳統的文本無關的說話人確認需要一段超過30秒時長的語音來保證準確度，因而存在算法復雜以及處理時間長等問題。相較之下，文本相關的說話人確認同時確認語音的說話人身份以及語音的內容是否為指定內容，具有更快的處理速度，因而越來越受到廣泛關注。

因此，文本相關的說話人確認具有重要的應用價值。

發明內容

在下文中給出了關于本發明的簡要概述，以便提供關于本發明的某些方面的基本理解。應當理解，這個概述并不是關于本發明的窮舉性概述。它并不是意圖確定本發明的關鍵或重要部分，也不是意圖限定本發明的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

鑒于對現有的文本相關的說話人確認技術進行改進的需求，本發明的目的之一是提供一種語音認證方法以及能夠實現該語音認證方法的信息處理設備和存儲介質，其能夠進行文本相關的用戶身份確認。

根據本公開的一個方面，提供了一種語音認證方法，其包括：隨機生成由預定素材集中的元素構成的認證序列；提示被測用戶以語音方式輸入認證序列，得到待認證語音序列；從待認證語音序列中提取語音特征；以及將所提取的語音特征輸入到判別模型，以判斷被測用戶是否為特定注冊用戶，其中，判別模型基于從注冊模型庫中選擇的、分別與認證序列的各個元素相對應的多個注冊語音模型，其中，注冊模型庫包括分別與預定素材集中的各個元素相對應的注冊語音模型，每個元素的注冊語音模型是基于從特定用戶對該元素的相應語音輸入中提取的語音特征而單獨預先訓練得到的。

根據本公開的另一方面，提供了一種語音認證設備，其包括：認證序列生成單元，用于隨機生成由預定素材集中的元素構成的認證序列；認證序列語音輸入單元，用于提示被測用戶以語音方式輸入認證序列，得到待認證語音序列；語音特征提取單元，用于從待認證語音序列中提取語音特征；以及語音特征輸入及判別單元，用于將所提取的語音特征輸入到判別模型，以判斷被測用戶是否為特定注冊用戶。在語音特征輸入及判別單元中使用的判別模型基于從注冊模型庫中選擇的、分別與認證序列的各個元素相對應的多個注冊語音模型，其中，注冊模型庫包括分別與預定素材集中的各個元素相對應的注冊語音模型，每個元素的注冊語音模型是基于從特定用戶對該元素的相應語音輸入中提取的語音特征而單獨預先訓練得到的。