[發明專利]一種聲紋識別模型訓練方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010421947.5
• 申請日: 2020-05-18
• 公開（公告）號: CN111785283A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 丁科;何選基;萬廣魯
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G10L17/04
• 分類號: G10L17/04;G10L17/02;G06K9/62;G06F16/63
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

1.一種聲紋識別模型訓練方法，其特征在于，所述方法包括：

獲取目標樣本語音的音頻特征向量；

對所述音頻特征向量進行語音增強，得到第一音頻特征向量和第二音頻特征向量，所述第一音頻特征向量和所述第二音頻特征向量不同；

將所述第一音頻特征向量和所述第二音頻特征向量輸入聲紋識別模型中，得到第一聲紋特征向量和第二聲紋特征向量，所述第一聲紋特征向量與所述第二聲紋特征向量的維度相同；

計算所述第一聲紋特征向量與所述第二聲紋特征向量的第一相似度，以及所述第一聲紋特征向量與第三聲紋特征向量的第二相似度，所述第三聲紋特征向量為預先存儲的預設聲紋特征向量，所述預設聲紋特征向量與所述第一聲紋特征向量的維度相同，且所述預設聲紋特征向量對應的樣本語音與所述目標樣本語音不同；

在所述第一相似度和所述第二相似度滿足預設條件時，確定所述聲紋識別模型的模型參數，所述預設條件用于表征所述第一相似度大于第一預設相似度，且第二相似度小于第二預設相似度；

通過帶有標簽的樣本語音訓練所述聲紋識別模型，并在所述聲紋識別模型的聲紋識別結果的準確度大于預設準確度時，再次確定所述聲紋識別模型的模型參數，得到訓練好的聲紋識別模型。

2.根據權利要求1所述的方法，其特征在于，所述聲紋識別模型包括第一編碼器和第二編碼器，所述第一編碼器初始化參數與所述第二編碼器的初始化參數相同；

所述將所述第一音頻特征向量和所述第二音頻特征特征向量輸入聲紋識別模型中，得到第一聲紋特征向量和第二聲紋特征向量，包括：

將所述第一音頻特征向量輸入所述第一編碼器，得到第一聲紋特征向量；

將所述第二音頻特征向量輸入所述第二編碼器，得到第二聲紋特征向量。

3.根據權利要求2所述的方法，其特征在于，所述確定所述聲紋識別模型的模型參數，包括：

確定所述第一編碼器的各個第一編碼參數對應的參數梯度；

對于所述第一編碼器的每一第一編碼參數，利用該第一編碼參數對應的參數梯度更新該第一編碼參數，得到所述第一編碼器的更新后的第一編碼參數；

根據所述第一編碼器的更新后的第一編碼參數，更新所述第二編碼器的各個第二編碼參數。

4.根據權利要求1至3任一項所述的方法，其特征在于，所述對所述音頻特征向量進行語音增強，得到第一音頻特征向量和第二音頻特征向量，包括：

從所述音頻特征向量截取第一長度的第一子音頻特征向量，以及第二長度的第二子音頻特征向量；

分別對所述第一子音頻特征向量以及所述第二子音頻特征向量進行語音增強；

將語音增強后的第一子音頻特征向量確定為第一音頻特征向量，將語音增強后的第二子音頻特征向量確定為第二音頻特征向量。

5.根據權利要求1至3任一項所述的方法，其特征在于，所述第三聲紋特征向量以聲紋特征向量隊列的形式進行存儲，所述聲紋特征向量隊列的最大長度為N，其中，N為正整數；

所述方法還包括：

在所述聲紋特征向量隊列中存儲的聲紋特征向量的數量為N時，將第一個存儲于所述聲紋特征向量隊列中的第三聲紋特征向量移出所述聲紋特征向量隊列；

將所述第二聲紋特征向量放入所述聲紋特征向量隊列中。

6.根據權利要求5所述的方法，其特征在于，確定所述第一相似度和所述第二相似度滿足預設條件，包括：

構造維度為N+1的第一向量，所述第一向量的第一個元素為1，其他元素均為0；

構造維度為N+1的第二向量，所述第二向量的第一個元素為第一相似度，所述第二向量的其他N個元素為第二相似度；

在目標損失函數的損失函數值小于預設損失值時，確定所述第一相似度和所述第二相似度滿足預設條件，其中，所述目標損失函數的損失函數值的大小用于表征所述第一向量與所述第二向量的內積的相反數的大小。