[發明專利]i-vector向量提取方法、說話人識別方法、裝置、設備及介質

有效

• 申請號: 201810574010.4
• 申請日: 2018-06-06
• 公開（公告）號: CN109065022B
• 公開（公告）日: 2022-08-09
• 發明（設計）人: 涂宏
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L25/51
• 代理公司: 深圳眾鼎專利商標代理事務所(普通合伙) 44325
• 代理人: 胡志桐

1.一種i-vector向量提取方法，其特征在于，包括：

獲取說話人的訓練語音數據，并提取所述訓練語音數據對應的訓練語音特征；

基于預設UBM模型訓練出與預設UBM模型對應的總體變化子空間；

將所述訓練語音特征投影在所述總體變化子空間上，獲取第一i-vector向量；

將所述第一i-vector向量投影在所述總體變化子空間上，獲取與所述說話人對應的注冊i-vector向量。

2.如權利要求1所述的i-vector向量提取方法，其特征在于，所述提取所述訓練語音數據對應的訓練語音特征，包括：

對所述訓練語音數據進行預處理，獲取預處理語音數據；

對所述預處理語音數據作快速傅里葉變換，獲取訓練語音數據的頻譜，并根據所述頻譜獲取訓練語音數據的功率譜；

采用梅爾刻度濾波器組處理所述訓練語音數據的功率譜，獲取訓練語音數據的梅爾功率譜；

在所述梅爾功率譜上進行倒譜分析，獲取訓練語音數據的MFCC特征。

3.如權利要求1所述的i-vector向量提取方法，其特征在于，所述基于預設UBM模型訓練出與預設UBM模型對應的總體變化子空間，包括：

獲取所述預設UBM模型的高維充分統計量；

采用最大期望算法對所述高維充分統計量進行迭代，獲取對應的總體變化子空間。

4.如權利要求1所述的i-vector向量提取方法，其特征在于，所述將所述訓練語音特征投影在所述總體變化子空間上，獲取第一i-vector向量，包括：

基于所述訓練語音特征和所述預設UBM模型，采用均值MAP自適應方法獲取GMM-UBM模型；

采用公式s₁＝m+Tw₁將所述訓練語音特征投影在所述總體變化子空間上，獲取第一i-vector向量，其中，s₁是C*F維的GMM-UBM模型中與所述訓練語音特征相對應的均值超矢量；m是與說話人無關且信道無關的C*F維超向量；T是所述總體變化子空間，維度為CF*N；w₁是第一i-vector向量，維度為N。

5.如權利要求1所述的i-vector向量提取方法，其特征在于，所述將所述第一i-vector向量投影在所述總體變化子空間上，獲取與所述說話人對應的注冊i-vector向量，包括：

采用公式s₂＝m+Tw₂將所述第一i-vector向量投影在所述總體變化子空間上，獲取注冊i-vector向量，其中，s₂是D*G維的與所述注冊i-vector向量相對應的均值超矢量；m是與說話人無關且信道無關的D*G維超向量；T是所述總體變化子空間，維度為DG*M；w₂是注冊i-vector向量，維度為M。

6.一種說話人識別方法，其特征在于，包括：

獲取測試語音數據，所述測試語音數據攜帶說話人標識；

還包括采用權利要求1-5任一項所述i-vector向量提取方法對所述測試語音數據進行處理，獲取對應的測試i-vector向量；

基于所述說話人標識查詢數據庫，獲取與所述說話人標識對應的注冊i-vector向量；

采用余弦相似度算法獲取所述測試i-vector向量和所述注冊i-vector向量的相似度，根據所述相似度檢測所述測試i-vector向量和所述注冊i-vector是否對應同一說話人。

7.一種i-vector向量提取裝置，其特征在于，包括：

獲取語音數據模塊，用于獲取說話人的訓練語音數據，并提取所述訓練語音數據對應的訓練語音特征；

訓練變化空間模塊，用于基于預設UBM模型訓練出與預設UBM模型對應的總體變化子空間；

投影變化空間模塊，用于將所述訓練語音特征投影在所述總體變化子空間上，獲取第一i-vector向量；

獲取i-vector向量模塊，用于將所述第一i-vector向量投影在所述總體變化子空間上，獲取與所述說話人對應的注冊i-vector向量。