[發(fā)明專利]用于遠(yuǎn)場(chǎng)和近場(chǎng)聲音輔助應(yīng)用的利用超短語(yǔ)音分段進(jìn)行的說話者標(biāo)識(shí)

在審

• 申請(qǐng)?zhí)枺?/td>: 201880083790.0
• 申請(qǐng)日: 2018-12-14
• 公開（公告）號(hào): CN111566729A
• 公開（公告）日: 2020-08-21
• 發(fā)明（設(shè)計(jì)）人: Z.沈;F.翁;G.貝;P.安基迪特拉庫(kù)爾
• 申請(qǐng)（專利權(quán)）人: 羅伯特·博世有限公司
• 主分類號(hào): G10L17/02
• 分類號(hào): G10L17/02;G10L17/10;G10L17/12
• 代理公司: 中國(guó)專利代理(香港)有限公司 72001
• 代理人: 畢錚;申屠偉進(jìn)

1.一種將說話者認(rèn)證為登記用戶的方法，包括：

利用處理器檢測(cè)對(duì)應(yīng)于由說話者說出的關(guān)鍵短語(yǔ)的輸入關(guān)鍵短語(yǔ)數(shù)據(jù)；

利用處理器，參照輸入關(guān)鍵短語(yǔ)數(shù)據(jù)和存儲(chǔ)在操作性地連接到處理器的存儲(chǔ)器中的來自登記用戶的語(yǔ)音的文本相關(guān)聲學(xué)說話者模型，計(jì)算文本相關(guān)分?jǐn)?shù)；

利用處理器，參照輸入關(guān)鍵短語(yǔ)數(shù)據(jù)以及存儲(chǔ)在存儲(chǔ)器中的來自登記用戶的語(yǔ)音的文本無關(guān)聲學(xué)說話者模型，計(jì)算文本無關(guān)分?jǐn)?shù)；

利用處理器，參照文本相關(guān)分?jǐn)?shù)和文本無關(guān)分?jǐn)?shù)，計(jì)算針對(duì)將說話者認(rèn)證為登記用戶的置信度分?jǐn)?shù)；

當(dāng)置信度分?jǐn)?shù)指示輸入關(guān)鍵短語(yǔ)數(shù)據(jù)對(duì)應(yīng)于來自登記用戶的語(yǔ)音時(shí)，將說話者認(rèn)證為登記用戶；以及

當(dāng)置信度分?jǐn)?shù)指示輸入關(guān)鍵短語(yǔ)數(shù)據(jù)不對(duì)應(yīng)于來自登記用戶的語(yǔ)音時(shí)，拒絕將說話者認(rèn)證為登記用戶。

2.根據(jù)權(quán)利要求1所述的方法，其中文本相關(guān)模型是使用梅爾頻率倒譜系數(shù)（“MFCC”）的群組形成的隱馬爾可夫模型（“HMM”），所述梅爾頻率倒譜系數(shù)從與由登記用戶對(duì)關(guān)鍵短語(yǔ)的發(fā)聲相對(duì)應(yīng)的所登記關(guān)鍵短語(yǔ)數(shù)據(jù)中提取，每個(gè)群組對(duì)應(yīng)于如登記用戶講出的關(guān)鍵短語(yǔ)的個(gè)別部分。

3.根據(jù)權(quán)利要求2所述的方法，其中：

檢測(cè)輸入關(guān)鍵短語(yǔ)數(shù)據(jù)包括：

將輸入音頻數(shù)據(jù)的一部分分離成預(yù)定分段；

利用處理器提取指示每個(gè)分段內(nèi)存在的人類語(yǔ)音特征的MFCC；并且

計(jì)算文本相關(guān)分?jǐn)?shù)包括：

使用HMM生成對(duì)應(yīng)于關(guān)鍵短語(yǔ)的MFCC；以及

將維特比算法應(yīng)用于從輸入音頻數(shù)據(jù)的所述部分中提取的MFCC和利用HMM生成的MFCC。

4.根據(jù)權(quán)利要求1所述的方法，其中檢測(cè)輸入關(guān)鍵短語(yǔ)數(shù)據(jù)包括：

將輸入音頻數(shù)據(jù)的一部分分離成預(yù)定分段；

利用處理器提取指示每個(gè)分段內(nèi)存在的人類語(yǔ)音特征的梅爾頻率倒譜系數(shù)（“MFCC”）；

將所提取的MFCC與對(duì)應(yīng)于來自存儲(chǔ)在存儲(chǔ)器中的通用背景模型（“UBM”）的關(guān)鍵短語(yǔ)的MFCC進(jìn)行比較；以及

基于所述比較來確定輸入音頻數(shù)據(jù)的所述部分包括關(guān)鍵短語(yǔ)的發(fā)聲。

5.根據(jù)權(quán)利要求4所述的方法，其中計(jì)算文本相關(guān)分?jǐn)?shù)包括：

使用文本相關(guān)模型來生成對(duì)應(yīng)于關(guān)鍵短語(yǔ)的MFCC；

基于所提取的MFCC和利用文本相關(guān)模型生成的MFCC計(jì)算原始文本相關(guān)分?jǐn)?shù)；以及

從原始文本相關(guān)分?jǐn)?shù)中減去文本相關(guān)模型的特定于說話者的閾值偏差，其中文本相關(guān)模型的特定于說話者的閾值偏差基于對(duì)利用文本相關(guān)模型生成的MFCC和對(duì)應(yīng)于來自與登記用戶性別匹配的UBM的關(guān)鍵短語(yǔ)的MFCC的比較。

6.根據(jù)權(quán)利要求5所述的方法，其中計(jì)算文本無關(guān)分?jǐn)?shù)包括：

使用文本無關(guān)模型生成對(duì)應(yīng)于關(guān)鍵短語(yǔ)的MFCC；

基于所提取的MFCC和利用文本無關(guān)模型生成的MFCC計(jì)算原始文本無關(guān)分?jǐn)?shù)；以及

從原始文本無關(guān)分?jǐn)?shù)中減去文本無關(guān)模型的特定于說話者的閾值偏差，其中文本無關(guān)模型的特定于說話者的閾值偏差基于對(duì)利用文本無關(guān)模型生成的MFCC和對(duì)應(yīng)于來自與登記用戶性別匹配的UBM的關(guān)鍵短語(yǔ)的MFCC的比較。

7.根據(jù)權(quán)利要求4所述的方法，進(jìn)一步包括：

利用處理器對(duì)輸入音頻數(shù)據(jù)應(yīng)用遠(yuǎn)場(chǎng)增強(qiáng)。

8.根據(jù)權(quán)利要求1所述的方法，進(jìn)一步包括：

利用處理器將檢測(cè)到的輸入關(guān)鍵短語(yǔ)數(shù)據(jù)與存儲(chǔ)在存儲(chǔ)器中的對(duì)應(yīng)于多個(gè)登記用戶的所登記關(guān)鍵短語(yǔ)數(shù)據(jù)進(jìn)行比較；

計(jì)算每個(gè)登記用戶的可能性分?jǐn)?shù)，每個(gè)可能性分?jǐn)?shù)指示檢測(cè)到的輸入關(guān)鍵短語(yǔ)數(shù)據(jù)與每個(gè)登記用戶的對(duì)應(yīng)所登記關(guān)鍵短語(yǔ)數(shù)據(jù)之間的相似度；以及

選擇具有與檢測(cè)到的輸入關(guān)鍵短語(yǔ)數(shù)據(jù)具有最高相似度的所登記關(guān)鍵短語(yǔ)數(shù)據(jù)的登記用戶，作為說話者的可能標(biāo)識(shí)。

9.根據(jù)權(quán)利要求1所述的方法，其中置信度分?jǐn)?shù)被計(jì)算為文本相關(guān)分?jǐn)?shù)和文本無關(guān)分?jǐn)?shù)的線性組合。