[發(fā)明專利]口音識別方法、裝置、計算機(jī)裝置及計算機(jī)可讀存儲介質(zhì)

在審

• 申請?zhí)枺?/td>: 201810922056.0
• 申請日: 2018-08-14
• 公開（公告）號: CN109036437A
• 公開（公告）日: 2018-12-18
• 發(fā)明（設(shè)計）人: 張絲瀠;王健宗;肖京
• 申請（專利權(quán)）人: 平安科技（深圳）有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/22;G10L25/24
• 代理公司: 深圳市賽恩倍吉知識產(chǎn)權(quán)代理有限公司 44334
• 代理人: 楊毅玲

一種口音識別方法，包括：對待識別語音信號進(jìn)行預(yù)處理；檢測預(yù)處理后的所述待識別語音信號中的有效語音；對所述有效語音提取梅爾頻率倒譜系數(shù)MFCC特征參數(shù)；根據(jù)所述MFCC特征參數(shù)，利用預(yù)先訓(xùn)練好的高斯混合模型?通用背景模型GMM?UBM提取所述有效語音的身份矢量iVector；根據(jù)所述iVector計算所述待識別語音信號對給定口音的判決得分，根據(jù)所述判決得分得到所述待識別語音信號的口音識別結(jié)果。本發(fā)明還提供一種口音識別裝置、計算機(jī)裝置及計算機(jī)可讀存儲介質(zhì)。本發(fā)明可以實現(xiàn)快速準(zhǔn)確的口音識別。

技術(shù)領(lǐng)域

本發(fā)明計算機(jī)聽覺技術(shù)領(lǐng)域，具體涉及一種口音識別方法及裝置、計算機(jī)裝置和計算機(jī)可讀存儲介質(zhì)。

背景技術(shù)

隨著各類智能身份認(rèn)證的不斷出現(xiàn)和落地應(yīng)用，諸如人臉識別、聲紋識別已經(jīng)獲得了較為成熟的發(fā)展，但識別的準(zhǔn)確性依然有提升的空間，諸如在聲紋識別方向仍然可找到突破點以得到更為準(zhǔn)確的識別結(jié)果，口音因素就是一個。由于說話人所生活的地域不同，即使在都講普通話的情況下或多或少依然會有口音的差別，若能在現(xiàn)有的聲紋識別中加入口音識別作為補(bǔ)充，應(yīng)用場景將會有進(jìn)一步的擴(kuò)展，最為直接的應(yīng)用為在聲紋識別前識別出該說話人所處地域的范圍，進(jìn)而縮小后續(xù)識別的對象范圍。然而，現(xiàn)有的口音識別效果并不理想，識別速度較慢且準(zhǔn)確度不高。

發(fā)明內(nèi)容

鑒于以上內(nèi)容，有必要提出一種口音識別方法及裝置、計算機(jī)裝置和計算機(jī)可讀存儲介質(zhì)，其可以實現(xiàn)快速準(zhǔn)確的口音識別。

本申請的第一方面提供一種口音識別方法，所述方法包括：

對待識別語音信號進(jìn)行預(yù)處理；

檢測預(yù)處理后的所述待識別語音信號中的有效語音；

對所述有效語音提取梅爾頻率倒譜系數(shù)MFCC特征參數(shù)；

根據(jù)所述MFCC特征參數(shù)，利用預(yù)先訓(xùn)練好的高斯混合模型-通用背景模型GMM-UBM提取所述有效語音的身份矢量iVector；

根據(jù)所述iVector計算所述待識別語音信號對給定口音的判決得分，根據(jù)所述判決得分得到所述待識別語音信號的口音識別結(jié)果。

另一種可能的實現(xiàn)方式中，所述檢測預(yù)處理后的所述待識別語音信號中的有效語音包括：

對預(yù)處理后的所述待識別語音信號進(jìn)行加窗分幀，得到所述待識別語音信號的語音幀；

對所述語音幀進(jìn)行離散傅里葉變換，得到所述語音幀的頻譜；

根據(jù)所述語音幀的頻譜計算各個頻帶的累計能量；

對所述各個頻帶的累計能量進(jìn)行對數(shù)運(yùn)算，得到所述各個頻帶的累計能量對數(shù)值；

將所述各個頻帶的累計能量對數(shù)值與預(yù)設(shè)閾值進(jìn)行比較，得到所述有效語音。

另一種可能的實現(xiàn)方式中，所述MFCC特征參數(shù)包括初始MFCC特征參數(shù)、一階差分MFCC特征參數(shù)和二階差分MFCC特征參數(shù)。

另一種可能的實現(xiàn)方式中，所述方法還包括：

對所述iVector進(jìn)行噪聲補(bǔ)償。

另一種可能的實現(xiàn)方式中，所述根據(jù)所述iVector計算所述待識別語音信號對給定口音的判決得分包括：

將所述iVector輸入邏輯回歸模型，得到所述待識別語音信號對給定口音的判決得分。

另一種可能的實現(xiàn)方式中，所述對所述有效語音提取梅爾頻率倒譜系數(shù)MFCC特征參數(shù)包括：

采用雙線性變換低通濾波器截止頻率的映射公式，計算對齊不同說話人平均第三共振峰的頻率彎折因子；