[發明專利]一種聲紋鑒權訓練方法及系統

在審

• 申請號: 201811336977.5
• 申請日: 2018-11-12
• 公開（公告）號: CN109243466A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 毛海濤;鮑捷;呂春;王明;陰陶;戴榮
• 申請（專利權）人: 成都傅立葉電子科技有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/18;G10L17/02
• 代理公司: 成都誠中致達專利代理有限公司 51280
• 代理人: 曹宇杰

1.一種聲紋鑒權訓練方法，其特征在于，包括以下步驟：

S1、加載音頻配置文件，對訓練需要的音頻文件及標準文件進行數據配置和確認；

S2、加載訓練模型參數；

S3、構建基于神經網絡的訓練模型，作為語音識別的訓練特征，并完成模型加載；

S4、將S1完成的配置數據加載輸入訓練模型；

S5、進行模型訓練：

S51、通過預訓練來初始化神經網絡的權重，

S52、通過分類器進行處理，

S53、通過余弦相似性的三元組損失函數進行評估，

S54、通過歸一化處理使評估數據標準化；

S6、生成聲紋識別的聲紋庫并保存。

2.根據權利要求1所述的聲紋鑒權訓練方法，其特征在于：所述訓練模型參數，包括訓練集大小、訓練的幀數和音頻語譜圖。

3.根據權利要求2所述的聲紋鑒權訓練方法，其特征在于：所述音頻語譜圖，使用的是維度為(32,32,3)的偽圖相。

4.根據權利要求1所述的聲紋鑒權訓練方法，其特征在于：所述分類器采用softmax多類分類器。

5.根據權利要求1所述的聲紋鑒權訓練方法，其特征在于：所述神經網絡為ResCNN神經網絡，參數為：卷積塊Conv 3×3、濾波器的尺寸3×3、兩個方向上的零填充1、連續跨步1×1參數化。

6.根據權利要求1所述的聲紋鑒權訓練方法，其特征在于：所述三元組損失函數為：其中，a為可調范圍在0～2的參數，表示同類樣本Positive和Anchor嵌入式向量之間的余弦，表示異類樣本Negative和Anchor嵌入式向量之間的余弦。

7.根據權利要求6所述的聲紋鑒權訓練方法，其特征在于：所述Positive、Negative、Anchor為從樣本中隨機取樣的三個樣本，其中，Positive和Anchor是同類樣本，Negative和Anchor是異類樣本。

8.一種聲紋鑒權訓練系統，其特征在于，包括：

音頻配置模塊，用于加載音頻配置文件，對訓練需要的音頻文件及標準文件進行數據配置和確認；

參數加載模塊，用于加載訓練模型參數；

模型構建模塊，用于構建基于神經網絡的訓練模型，作為語音識別的訓練特征，并完成模型加載；

數據輸入模塊，用于將音頻配置模塊完成的配置數據加載輸入訓練模型；

模型訓練模塊，用于進行模型訓練；

存儲模塊，用于將生成的聲紋識別聲紋庫進行保存。

9.根據權利要求8所述的聲紋鑒權訓練系統，其特征在于，所述模型訓練模塊包括：

預訓單元，用于通過預訓練來初始化神經網絡的權重；

分類單元，用于通過分類器進行處理；

評估單元，用于通過余弦相似性的三元組損失函數進行評估；

歸一化單元，用于通過歸一化處理使評估數據標準化。

10.根據權利要求8所述的聲紋鑒權訓練系統，其特征在于，所述訓練模型模塊，用于構建基于ResCNN神經網絡的訓練模型，其中，ResCNN神經網絡的參數為：卷積塊Conv 3×3、濾波器的尺寸3×3、兩個方向上的零填充1、連續跨步1×1參數化。