[發(fā)明專(zhuān)利]說(shuō)話人識(shí)別

有效

• 申請(qǐng)?zhí)枺?/td>: 201780047190.4
• 申請(qǐng)日: 2017-08-01
• 公開(kāi)（公告）號(hào): CN109564759B
• 公開(kāi)（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: J·P·萊索;J·梅蘭森
• 申請(qǐng)（專(zhuān)利權(quán)）人: 思睿邏輯國(guó)際半導(dǎo)體有限公司
• 主分類(lèi)號(hào): G10L17/02
• 分類(lèi)號(hào): G10L17/02
• 代理公司: 北京北翔知識(shí)產(chǎn)權(quán)代理有限公司 11285
• 代理人: 陳璐;鄭建暉

1.一種用于在生物測(cè)定說(shuō)話人識(shí)別中使用的裝置，包括：

一個(gè)分析器，用于分析與用戶(hù)發(fā)出的言語(yǔ)聲音對(duì)應(yīng)的音頻數(shù)據(jù)的幀的序列中的每個(gè)幀，以確定該幀的言語(yǔ)聲音的至少一個(gè)特性；以及

一個(gè)評(píng)估模塊，用于基于該言語(yǔ)聲音的確定的至少一個(gè)特性為音頻數(shù)據(jù)的每個(gè)幀確定音頻數(shù)據(jù)的每個(gè)幀應(yīng)被用于說(shuō)話人識(shí)別處理的程度的貢獻(xiàn)指標(biāo)；

其中該言語(yǔ)聲音的至少一個(gè)特性包括將該言語(yǔ)聲音標(biāo)識(shí)為特定音素，或者將該言語(yǔ)聲音標(biāo)識(shí)為多個(gè)預(yù)定義種類(lèi)的音素中的一個(gè)；以及

其中該貢獻(xiàn)指標(biāo)基于音頻數(shù)據(jù)的先前幀中的相同音素或相同種類(lèi)的音素的先前實(shí)例的數(shù)目而變化。

2.根據(jù)權(quán)利要求1所述的裝置，包括一個(gè)說(shuō)話人識(shí)別模塊，該說(shuō)話人識(shí)別模塊被配置成將說(shuō)話人識(shí)別處理應(yīng)用于音頻數(shù)據(jù)的所述幀，其中該說(shuō)話人識(shí)別模塊被配置成根據(jù)每個(gè)幀的貢獻(xiàn)指標(biāo)來(lái)處理音頻數(shù)據(jù)的幀。

3.根據(jù)權(quán)利要求1或2所述的裝置，其中所述貢獻(xiàn)指標(biāo)包括在說(shuō)話人識(shí)別處理中將被應(yīng)用于每個(gè)幀的加權(quán)。

4.根據(jù)權(quán)利要求1所述的裝置，其中所述貢獻(xiàn)指標(biāo)包括將不在說(shuō)話人識(shí)別處理中使用的音頻數(shù)據(jù)的幀的選擇。

5.根據(jù)權(quán)利要求1所述的裝置，其中該說(shuō)話人識(shí)別處理包括處理音頻數(shù)據(jù)的幀以進(jìn)行說(shuō)話人登記。

6.根據(jù)權(quán)利要求1所述的裝置，其中該說(shuō)話人識(shí)別處理包括處理音頻數(shù)據(jù)的幀以進(jìn)行說(shuō)話人驗(yàn)證。

7.根據(jù)權(quán)利要求1所述的裝置，其中該說(shuō)話人識(shí)別處理包括處理音頻數(shù)據(jù)的幀以生成說(shuō)話人群體的廣義模型。

8.根據(jù)權(quán)利要求1所述的裝置，其中該言語(yǔ)聲音的至少一個(gè)特性包括將該言語(yǔ)聲音標(biāo)識(shí)為濁音聲音或清音聲音。

9.根據(jù)權(quán)利要求1所述的裝置，其中該言語(yǔ)聲音的至少一個(gè)特性包括該言語(yǔ)聲音中的一個(gè)或多個(gè)話音素的至少一個(gè)特性。

10.根據(jù)權(quán)利要求9所述的裝置，其中所述至少一個(gè)特性包括至少一個(gè)話音素峰值的指示。

11.根據(jù)權(quán)利要求9所述的裝置，其中所述至少一個(gè)特性包括至少一個(gè)話音素空值的指示。

12.根據(jù)權(quán)利要求1所述的裝置，其中該評(píng)估模塊被配置成接收用戶(hù)發(fā)出言語(yǔ)聲音的聲學(xué)環(huán)境的指示，并且其中該貢獻(xiàn)指標(biāo)還基于聲學(xué)環(huán)境的指示。

13.根據(jù)權(quán)利要求12所述的裝置，其中聲學(xué)環(huán)境的指示包括該音頻數(shù)據(jù)中的噪聲的指示。

14.根據(jù)權(quán)利要求13所述的裝置，其中噪聲的所述指示包括以下中的至少一個(gè)的指示：噪聲幅度水平；噪聲頻率和/或頻譜；相對(duì)于用戶(hù)發(fā)聲的聲音的信號(hào)水平的噪聲水平。

15.根據(jù)權(quán)利要求13所述的裝置，其中該言語(yǔ)聲音的至少一個(gè)特性包括將該言語(yǔ)聲音標(biāo)識(shí)為多個(gè)預(yù)定義類(lèi)別的音素中的一個(gè)，并且其中，對(duì)于所述預(yù)定義類(lèi)別的音素中的至少一個(gè)，該評(píng)估模塊應(yīng)用在貢獻(xiàn)指標(biāo)的值和噪聲水平之間的傳遞函數(shù)。

16.根據(jù)權(quán)利要求12所述的裝置，其中該分析器被配置成分析該音頻數(shù)據(jù)以確定噪聲的所述指示。

17.根據(jù)權(quán)利要求16所述的裝置，其中該分析器被配置成標(biāo)識(shí)音頻數(shù)據(jù)的與用戶(hù)發(fā)聲的聲音不對(duì)應(yīng)的幀，以從這樣的幀確定噪聲的所述指示。

18.根據(jù)權(quán)利要求13所述的裝置，其中該評(píng)估模塊被配置成使得如果噪聲的指示在第一閾值水平以上，則該評(píng)估模塊指示音頻數(shù)據(jù)的幀不應(yīng)被用于說(shuō)話人識(shí)別處理。