[發明專利]一種聲紋模型訓練的方法和系統

有效

• 申請號: 201811302005.4
• 申請日: 2018-11-02
• 公開（公告）號: CN109378003B
• 公開（公告）日: 2021-10-01
• 發明（設計）人: 方昕;劉俊華;魏思
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/20
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 莎日娜

1.一種聲紋模型訓練方法，其特征在于，包括：

選取多個用戶標識下的語音作為訓練語音；

根據所述訓練語音確定初始聲紋模型；

利用所述初始聲紋模型對每個用戶標識下的訓練語音進行聚類，得到排序后的訓練語音；

將排序后每個用戶標識下的訓練語音劃分成第一子集、第二子集和第三子集；

將所有用戶標識下的第一子集合并為第一訓練子集，第二子集合并為第二訓練子集，以及第三子集合并為第三訓練子集；

按照從易到難的學習順序依次對所述第一訓練子集、第二訓練子集和第三訓練子集進行學習，得到最終的聲紋模型；

所述按照從易到難的學習順序依次對所述第一訓練子集、第二訓練子集和第三訓練子集進行學習，得到最終的聲紋模型，包括：

利用所述第一訓練子集訓練初始聲紋模型，得第一聲紋模型；

將所述第二訓練子集以小于所述第一訓練子集的權重、與所述第一訓練子集聯合，對所述第一聲紋模型進行訓練，得到第二聲紋模型；

將所述第三訓練子集以小于所述第二訓練子集的權重、所述第二訓練子集以小于所述第一訓練子集的權重、與所述第一訓練子集聯合，對所述第二聲紋模型進行訓練，得到第三聲紋模型，所述第三聲紋模型作為最終聲紋模型。

2.根據權利要求1所述的方法，其特征在于，所述利用所述初始聲紋模型對每個用戶標識下的訓練語音進行聚類，得到排序后的訓練語音，包括：

利用所述初始聲紋模型提取所有訓練語音的聲紋表征；

按照所述聲紋表征對每個用戶標識下的訓練語音進行聚類，得到排序后的訓練語音，其中，所述排序后的訓練語音是按照距離質心從近到遠排序得到的。

3.根據權利要求2所述的方法，其特征在于，通過下述方式計算所述質心：

計算每個用戶標識下的所有聲紋表征的矢量的平均值，將所述平均值作為對應用戶標識下的質心。

4.根據權利要求3所述的方法，其特征在于，所述將排序后每個用戶標識下的訓練語音劃分成第一子集、第二子集和第三子集，包括：

計算所有聲紋表征與質心的距離；

將所有距離小于第一閾值的聲紋表征對應的訓練語音劃分為第一子集，將所有距離大于等于第一閾值且小于第二閾值的聲紋表征對應的訓練語音劃分為第二子集，將所有距離大于等于第二閾值的聲紋表征對應的訓練語音劃分為第三子集。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述利用所述第一訓練子集訓練初始聲紋模型，得第一聲紋模型；將所述第二訓練子集以小于所述第一訓練子集的權重、與所述第一訓練子集聯合，對所述第一聲紋模型進行訓練，得到第二聲紋模型；將所述第三訓練子集以小于所述第二訓練子集的權重、所述第二訓練子集以小于所述第一訓練子集的權重、與所述第一訓練子集聯合，對所述第二聲紋模型進行訓練，得到第三聲紋模型，所述第三聲紋模型作為最終聲紋模型，包括：

根據所述第一訓練子集中的訓練語音對所述初始聲紋模型進行訓練，得到第一聲紋模型；

以所述第一聲紋模型為初始模型，利用第一訓練子集和第二訓練子集，且所述第二訓練子集訓練語音的學習率為第一訓練子集的M倍來訓練所述第一聲紋模型，得到第二聲紋模型，其中，0＜M＜1；

以所述第二聲紋模型為初始模型，將所述第一訓練子集、第二訓練子集和第三訓練子集，且所述第二訓練子集訓練語音的學習率為第一訓練子集的M倍，所述第三訓練子集訓練語音的學習率為第一訓練子集的N倍來訓練所述第二聲紋模型，得到第三聲紋模型，所述第三聲紋模型作為最終的聲紋模型，用來進行后續的聲紋識別任務，其中，0＜N＜1，且M＞N。