[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

本發明公開了一種i?vector向量提取方法、說話人識別方法、裝置、設備及介質，其中，該i?vector向量提取方法包括：獲取說話人的訓練語音數據，并提取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；將訓練語音特征投影在總體變化子空間上，獲取第一i?vector向量；將第一i?vector向量投影在總體變化子空間上，獲取與說話人對應的注冊i?vector向量。該方法使得訓練語音特征數據經過兩次投影也即降低維度后可去除更多的噪音特征，提高了提取說話人語音特征的純凈度，同時降維后減少計算空間也提高語音識別的識別效率。

技術領域

本發明涉及語音識別領域，尤其涉及一種i-vector向量提取方法、說話人識別方法、裝置、設備及介質。

背景技術

說話人識別又稱聲紋識別，是利用語音信號中含有的特定說話人信息來識別說話者身份的一種生物認證技術。近年來，基于向量分析的i-vector(identity-vector,身份認證向量)建模方法的引入使得說話人識別系統的性能有了明顯的提升。在對說話人語音的向量分析中，通常信道子空間中會包含說話人的信息。i-vector空間用一個低維的總變量空間來表示說話人子空間和信道子空間，將說話人語音通過降維投影到該空間，可得到一個固定長度的矢量表征(即i-vector向量)。然而，現有i-vector建模的所獲取的i-vector向量還存在較多干擾因素，增加將i-vector向量用于說話人識別時的復雜性。

發明內容

基于此，有必要針對上述技術問題，提供一種可以去除較多干擾因素的i-vector向量提取方法、裝置、計算機設備及存儲介質。

一種i-vector向量提取方法，包括：

獲取說話人的訓練語音數據，并提取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；

將訓練語音特征投影在總體變化子空間上，獲取第一i-vector向量；

將第一i-vector向量投影在總體變化子空間上，獲取與說話人對應的注冊i-vector向量。

一種i-vector向量提取裝置，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，用于將訓練語音特征投影在總體變化子空間上，獲取第一i-vector向量；

獲取i-vector向量模塊，用于將第一i-vector向量投影在總體變化子空間上，獲取與說話人對應的注冊i-vector向量。

一種計算機設備，包括存儲器、處理器以及存儲在存儲器中并可在處理器上運行的計算機程序，處理器執行計算機程序時實現i-vector向量提取方法的步驟。

一種計算機可讀存儲介質，計算機可讀存儲介質存儲有計算機程序，計算機程序被處理器執行時實現i-vector向量提取方法的步驟。

本實施還提供一種說話人識別方法，包括：

獲取測試語音數據，測試語音數據攜帶說話人標識；

基于測試語音數據，獲取對應的測試i-vector向量；

基于說話人標識查詢數據庫，獲取與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測試i-vector向量和注冊i-vector向量的相似度，根據相似度檢測測試i-vector向量和注冊i-vector是否對應同一說話人。