[發明專利]聲紋識別方法、裝置、存儲介質、電子裝置

在審

• 申請號: 202010090868.0
• 申請日: 2020-02-13
• 公開（公告）號: CN111341325A
• 公開（公告）日: 2020-06-26
• 發明（設計）人: 郜開開;吳信朝;周寶;陳遠旭
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L17/14
• 分類號: G10L17/14;G10L15/22;G10L15/08;G10L15/20
• 代理公司: 北京中強智尚知識產權代理有限公司 11448
• 代理人: 黃耀威

本發明提供了一種聲紋識別方法、裝置、存儲介質、電子裝置，其中，該方法包括：實時監測是否接收到喚醒詞語音；在確定接收到喚醒詞語音的情況下，提取喚醒詞語音的聲紋特征，并將聲紋特征錄入聲紋庫；提取實時監測到的當前語音信號的聲紋特征；對比當前語音信號的聲紋特征與聲紋庫中存儲的任一聲紋特征是否相同；如果匹配到相同的聲紋特征，則對當前語音信號執行語義識別并進行反饋。通過本發明，解決現有技術中多人交談等干擾較強的場景下機器人與發出指令的說話人之間的對話被打斷或中止的技術問題，實現了在背景音干擾較強的場景下仍可以保持與發出指令的說話人進行對話的技術效果。

技術領域

本發明涉及聲紋識別領域，具體而言，涉及一種聲紋識別方法、裝置、存儲介質、電子裝置。

背景技術

聲紋(Voiceprint)，是用電聲學儀器顯示的攜帶言語信息的聲波頻譜。人在講話時使用的發聲器官—舌、牙齒、喉頭、肺、鼻腔在尺寸和形態方面每個人的差異很大，所以任何兩個人的聲紋圖譜都有差異。每個人的語音聲學特征既有相對穩定性，又有變異性，不是絕對的、一成不變的。

聲紋識別，也稱為說話人識別，有兩類，即說話人辨認和說話人確認。前者用以判斷某段語音是若干人中的哪一個所說的，是“多選一”問題；而后者用以確認某段語音是否是指定的某個人所說的，是“一對一判別”問題。不同的任務和應用會使用不同的聲紋識別技術，如縮小刑偵范圍時可能需要辨認技術，而銀行交易時則需要確認技術。一個典型的聲音識別系統的識別過程一般需要涉及如下幾個步驟：聲音信號的采集與量化、預處理、信號特征的提取、模板匹配識別等。

現有的聲紋識別應用場景大都為智能安防、公安系統，在機器人的動態識別交互人上還未有應用。在目前的場景中，機器人經常發生兩種狀況：(1)在別人閑聊時，當距離過近過音量過大可以讓機器人檢測到語音，則機器人開始與該語音位置聲源人進行互動聊天。(2)在機器人與人交互談話時，當出現其他聲源聲音被識別，機器人談話會被打斷打亂甚至中止。

發明內容

本發明實施例提供了一種聲紋識別方法、裝置、存儲介質、電子裝置，以至少解決現有技術中多人交談等干擾較強的場景下機器人與發出指令的說話人之間的對話被打斷或中止的技術問題。

根據本發明的一個實施例，提供了一種聲紋識別方法，包括：實時監測是否接收到喚醒詞語音；在確定接收到喚醒詞語音的情況下，提取喚醒詞語音的聲紋特征，并將聲紋特征錄入聲紋庫；提取實時監測到的當前語音信號的聲紋特征；對比當前語音信號的聲紋特征與聲紋庫中存儲的任一聲紋特征是否相同；如果匹配到相同的聲紋特征，則對當前語音信號執行語義識別并進行反饋。

進一步地，在將聲紋特征錄入聲紋庫之后，該方法還包括：判斷聲紋庫中每個聲紋特征的說話人在最后一次說話的時刻之后，是否超過預設時長之內未再次說話；如果否，則刪除對應的聲紋特征；如果是，則更新對應聲紋特征的說話人最后一次說話的時刻。

進一步地，將聲紋特征錄入聲紋庫，包括：對包括喚醒詞語音的聲音信號執行預處理；提取預處理后的包括喚醒詞語音的聲音信號中的聲學特征，以得到用于表示聲紋特征的特征矢量序列；將特征矢量序列存儲至聲紋庫。

進一步地，聲紋特征通過基于時間幀的特征矢量序列表示，對比當前語音信號的聲紋特征與聲紋庫中存儲的任一聲紋特征是否相同，包括：識別當前語音信號中的每個發音音素；提取當前語音信號中每個發音音素對應的聲紋信號的特征矢量序列；計算當前語音信號每個發音音素的特征矢量序列與聲紋庫中存儲的第一聲紋特征的對應發音音素的特征矢量序列的最小距離；判斷最小距離是否小于預設閾值，其中，如果小于預設閾值，則確定當前語音信號匹配到第一聲紋特征。