[發明專利]聲紋識別方法、聲紋驗證方法、裝置、計算設備及介質

在審

• 申請號: 201811382285.4
• 申請日: 2018-11-20
• 公開（公告）號: CN111199741A
• 公開（公告）日: 2020-05-26
• 發明（設計）人: 卓著;趙情恩;雷赟
• 申請（專利權）人: 阿里巴巴集團控股有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/18;G10L21/0208;G10L21/0272;G10L25/24;G10L25/93
• 代理公司: 北京思睿峰知識產權代理有限公司 11396
• 代理人: 殷晴青;謝建云

本發明公開了一種聲紋識別方法、聲紋驗證方法、裝置、計算設備及介質，聲紋識別方法包括：對待驗證的語音信號進行噪聲分離處理，以獲取第一語音信號和第二語音信號，分別對第一語音信號和第二語音信號進行聲紋識別。

技術領域

本發明涉及語音信號處理領域，特別涉及一種聲紋識別方法、聲紋驗證方法、裝置、計算設備及介質。

背景技術

聲紋識別(Voiceprint Recognition)，又稱說話人識別，該技術是從說話人發出的語音信號中提取語音特征，并據此對說話人進行身份確認的生物識別技術。其中，聲紋是指人類語音中攜帶言語信息的聲波頻譜，同指紋一樣，具備獨特的生物學特征，具有身份識別的作用，不僅具有特定性，而且具有相對的穩定性。

但是，由于語音信號容易受噪聲、錄音設備、傳輸信道的影響，通過聲紋識別來進行身份核實也具有一定的風險。特別是客服場景下的聲紋核身系統，當通過電話語音進行用戶的身份核實時，用戶的語音信號很容易受到噪聲環境的影響，而對被噪聲污染的語音信號進行聲紋識別，會導致識別的準確度下降，由此得出的用戶身份認證結果并不夠可信。

現有的聲紋識別方案，雖然實現了文本無關聲紋識別，無需用戶針對特定文本發出相應的聲音信號，但在噪聲抵抗上的性能較差，且不是流式計算框架的聲紋系統，難以保證實時性。因此，需要提供一種新的聲紋識別方案來優化上述處理過程。

發明內容

為此，本發明提供一種聲紋識別及驗證方案，以力圖解決或者至少緩解上面存在的問題。

根據本發明的一個方面，提供一種聲紋識別方法，該方法包括如下步驟：首先，對待驗證的語音信號進行噪聲分離處理，以獲取第一語音信號和第二語音信號；分別對第一語音信號和第二語音信號進行聲紋識別。

可選地，在根據本發明的聲紋識別方法中，對待驗證的語音信號進行噪聲分離處理，以獲取第一語音信號和第二語音信號，包括：將待驗證的語音信號分離成多個語音信號分量；對多個語音信號分量進行聲源聚類，以獲取第一語音信號和第二語音信號。

可選地，在根據本發明的聲紋識別方法中，將待驗證的語音信號分離成多個語音信號分量包括：對待驗證的語音信號進行端點檢測，以獲取一個或多個非靜音語音信號；對各非靜音語音信號，提取非靜音語音信號的語音特征參數，并基于語音特征參數對非靜音語音信號進行分離，以獲取對應的多個語音信號分量。

可選地，在根據本發明的聲紋識別方法中，語音特征參數包括梅爾頻率倒譜系數。

可選地，在根據本發明的聲紋識別方法中，提取所述非靜音語音信號的語音特征參數包括：對非靜音語音信號進行分幀加窗處理，以生成對應的多個語音幀；計算各語音幀的離散功率譜，通過預設的三角帶通濾波器組對離散功率譜進行濾波，得到對應的系數集合；利用離散余弦變換對系數集合進行處理，以生成語音幀的梅爾頻率倒譜系數。

可選地，在根據本發明的聲紋識別方法中，基于語音特征參數對非靜音語音信號進行分離，以獲取對應的多個語音信號分量包括：對非靜音語音信號包括的多個語音幀，根據語音特征參數，計算相鄰語音幀之間的特征距離；基于預設的第一距離準則和特征距離，確定相鄰語音幀是否來源于同一聲源；將來源于同一聲源的相鄰語音幀進行合并，以形成對應的語音信號分量。

可選地，在根據本發明的聲紋識別方法中，對多個語音信號分量進行聲源聚類，以獲取第一語音信號和第二語音信號包括：根據預設的第二距離準則，連續地合并多個語音信號分量中最相鄰的兩個語音信號分量，以聚類生成第一語音信號和第二語音信號。

可選地，在根據本發明的聲紋識別方法中，分別對第一語音信號和第二語音信號進行聲紋識別包括：將第一語音信號進行預處理，以獲取第一語音信號對應的多個第一語音幀；計算各第一語音幀的語音特征參數，基于語音特征參數確定第一語音信號的聲紋特征；根據第一語音信號的聲紋特征，對第一語音信號進行評分，以確定第一語音信號分值。