[發明專利]一種音素/音節提取方法及裝置

有效

• 申請號: 201810421815.5
• 申請日: 2018-05-04
• 公開（公告）號: CN108665901B
• 公開（公告）日: 2020-06-30
• 發明（設計）人: 陳昊亮;陳丹
• 申請（專利權）人: 廣州國音科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04
• 代理公司: 深圳市深佳知識產權代理事務所(普通合伙) 44285
• 代理人: 王仲凱

本發明公開了一種音素/音節提取方法及裝置，包括：S1：獲取通過對目標聲像資料片段進行人工鑒別得到的先驗的音素/音節集合，根據先驗的音素/音節集合對預置的語音特征提取模型進行訓練，得到訓練后的語音特征提取模型；S2：通過訓練后的語音特征提取模型對目標聲像資料進行音素/音節提取，得到完整的音素/音節集合。本發明的音素/音節提取方法將人工鑒別和機器提取相結合，與純人工鑒別相比，減少了人力和耗時，提高了提取效率，與純機器提取相比，以先驗的音素/音節集合對語音特征提取模型進行訓練，通過訓練后的語音特征提取模型進行音素/音節提取，提高了準確性，解決了當前的音節/音節提取方法無法同時兼顧準確性和效率的技術問題。

技術領域

本發明涉及聲紋領域，尤其涉及一種音素/音節提取方法及裝置。

背景技術

隨著科技的發展，聲紋(Voiceprint)識別在生活中的應用逐漸增多，其中，聲紋是指用電聲學儀器顯示的攜帶言語信息的聲波頻譜。

現代科學研究表明，聲紋不僅具有特定性，而且具有相對穩定性的特點。實驗證明，成年以后人的聲音可保持長期相對穩定不變，且無論講話者是故意模仿他人聲音和語氣，還是耳語輕聲講話，即使模仿得惟妙惟肖，其聲紋卻始終不相同?；诼暭y的這兩個特征，偵查人員就可將獲取的犯罪分子的聲紋和嫌疑人的聲紋，通過聲紋鑒定技術進行檢驗對比，迅速認定罪犯，為偵查破案提供可靠的證據

聲紋鑒定又稱語音同一性鑒定，或話者識別/鑒定，指的通過比較、分析和對聲像資料記載的語音的同一性問題所進行的科學判斷。在實際公安及司法工作中，鑒定人員常常需要對涉案語音(如勒索、恐嚇電話錄音，經濟糾紛中當事雙方的談話錄音等)進行檢驗，分析說話人的身份和判斷涉案語音(檢材語音)與特定對象語音(樣本語音)是否來源于同一人，并作出科學的評判性書面意見—語音同一性鑒定意見，進而為案件的調查提供線索和方向，為法庭訴訟提供證據。

聲紋鑒定主要分成兩類：即話者辨認(SpeakerIdentification)和話者確認(SpeakerVerification)。前者用以判斷某段語音是若干人中的哪一個所說的，是“多選一”問題，而后者用以確認某段語音是否是指定的某個人所說的，是“一對一判別”問題。如縮小刑偵范圍時可能需要辨認技術，而銀行交易時則需要確認技術。

不管是辨認還是確認，都需要先對說話人的聲紋進行建模。建模需要提取聲像資料中的目前對象的音素或者音節。當前主要采用人工鑒定的方法或者純機器提取的方法，人工鑒定的方法準確性高，但是需要的人力多，且耗時長，效率低下，通過純機器提取的方法，效率高，但是準確性低。

因此，導致了當前的音節/音節提取方法無法同時兼顧準確性和效率的技術問題。

發明內容

本發明提供了一種音素/音節提取方法及裝置，解決了當前的音節/音節提取方法無法同時兼顧準確性和效率的技術問題。

本發明提供了一種音素/音節提取方法，包括：

S1：獲取通過對目標聲像資料片段進行人工鑒別得到的先驗的音素/音節集合，并根據先驗的音素/音節集合對預置的語音特征提取模型進行訓練，得到訓練后的語音特征提取模型；

S2：通過訓練后的語音特征提取模型對目標聲像資料進行音素/音節提取，得到完整的音素/音節集合。

優選地，步驟S2具體包括：

S21：對目標聲像資料進行初步音素/音節提取得到未篩選的音素/音節集合；

S22：通過訓練后的語音特征提取模型對未篩選的音素/音節集合進行模型匹配，提取未篩選的音素/音節集合中與訓練后的語音特征提取模型的匹配度超過預置閾值的音素/音節，得到完整的音素/音節集合。

優選地，步驟S1之前還包括：S0；