[發明專利]說話者識別裝置、說話者識別方法及記錄介質

在審

• 申請號: 201910930409.6
• 申請日: 2019-09-29
• 公開（公告）號: CN111009248A
• 公開（公告）日: 2020-04-14
• 發明（設計）人: 板倉光佑
• 申請（專利權）人: 松下電器(美國)知識產權公司
• 主分類號: G10L17/06
• 分類號: G10L17/06;G10L17/18
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 蔣巍

本發明提供一種即使在混入雜音的環境下也能提高說話者識別的精度的說話者識別裝置、說話者識別方法及記錄介質等。具備：特征量算出部(12)，針對所取得的發聲的語音算出兩個以上的音響特征量；相似度計算部(13)，計算針對識別對象說話者的一個以上的說話者性特征量、和由特征量算出部(12)算出的兩個以上的音響特征量中的每一個的相似度；合成部(14)，合成由相似度計算部(13)所計算的兩個以上的相似度；以及判定部(15)，基于由合成部(14)得到的合成值，判定該發聲的說話者是否為識別對象說話者，兩個以上的音響特征量中的至少兩個音響特征量的性質及兩個以上的相似度中的至少兩個相似度的性質中的至少一方是不同的。

技術領域

本公開涉及一種說話者識別裝置、說話者識別方法及記錄介質。

背景技術

說話者識別技術是預先收集登記對象的說話者的發聲的語音，基于從收集到的語音計算出的特征量與新取得的未知的說話者的發聲的語音之間的相似度，判定未知的說話者是否為所登記的說話者的技術。

例如，在非專利文獻1中，作為用于說話者識別的高精度的特征量，公開了被稱為i-Vector的說話者固有的特征量及對其計算方法。通過根據登記說話者的發聲的語音及未知說話者的發聲的語音來計算這樣的特征量，能夠高精度地判定未知說話者是否為登記說話者。

在先技術文獻

非專利文獻

非專利文獻1：Dehak，Najim，et al.“Front-end factor analysis for speakerverification.”Audio，Speech，and Language Processing，IEEE Transactions on19.4(2011)：788-798.

非專利文獻2：David，Snyder，et al.“X-VECTORS：ROBUST DNN EMBEDDINGS FORSPEAKER RECOGNITION.”Center for Language and Speech Processing&Human LanguageTechnology Center of Excellence The Johns Hopkins University，Baltimore，MD21218，USA.

發明內容

發明要解決的問題

然而，即使將通過上述非專利文獻1所公開的計算方法計算出的特征量用于說話者識別，在所取得的未知說話者的發聲的語音中混入了雜音等的情況下，即使未知說話者的發聲不是登記說話者的發聲時，也會識別為登記說話者的發聲。即，在雜音等混入新取得的未知說話者的發聲的語音中的情況下，說話者識別的精度降低。

本公開是鑒于上述的情況而完成的，其目的為提供一種說話者識別裝置、說話者識別方法及存儲介質，即使在雜音混入的環境下也能夠提高說話者識別的精度。

解決問題的手段

本公開的一個方式的說話者識別裝置，具備：特征量算出部，其針對所取得的發聲的語音算出兩個以上的音響特征量；相似度計算部，其計算針對作為識別對象的說話者的一個以上的說話者性特征量與由所述特征量算出部算出的所述兩個以上的音響特征量的每一個之間的相似度；合成部，其合成由所述相似度計算部計算出的兩個以上的相似度；以及判定部，其基于由所述合成部得到的合成值，判定所述發聲的說話者是否為所述作為識別對象的說話者，所述兩個以上的音響特征量中的至少兩個音響特征量的性質及所述兩個以上的相似度中的至少兩個相似度的性質中的至少一方不同。

此外，這些全面或具體的方式可以通過系統、方法、集成電路、計算機程序或計算機可讀取的CD-ROM等記錄介質來實現，也可以通過系統、方法、集成電路、計算機程序以及記錄介質的任意組合來實現。

發明的效果