[發明專利]一種聲紋特征提取方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010463600.7
• 申請日: 2020-05-27
• 公開（公告）號: CN111833884A
• 公開（公告）日: 2020-10-27
• 發明（設計）人: 鄒佳宏
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/18;G06N3/04;G06N3/08;G06F17/14;G06K9/62
• 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

1.一種聲紋特征提取方法，其特征在于，所述方法包括：

獲取待識別語音數據；

提取所述待識別語音數據的時域特征和頻域特征；

對所述時域特征和所述頻域特征進行特征聚合，得到聚合后的特征，其中，在對所述時域特征和所述頻域特征進行特征聚合的過程中，將相似度大于預設相似度的時域特征和頻域特征聚合在一起；

對所述聚合后的特征進行向量嵌入，得到聲紋特征。

2.根據權利要求1所述的方法，其特征在于，所述提取所述待識別語音數據的時域特征和頻域特征，包括：

將所述待識別語音數據進行短時傅里葉變換，得到所述待識別語音數據的頻譜圖信息，所述頻譜圖信息包括：時域信息和頻域信息；

將所述頻譜圖信息的時域信息和頻域信息輸入到二維卷積神經網絡，得到所述待識別語音數據的時域特征和頻域特征。

3.根據權利要求2所述的方法，其特征在于，所述對所述時域特征和所述頻域特征進行特征聚合，得到聚合后的特征，包括：

將所述時域特征和所述頻域特征輸入到局部向量聚合層，以使得所述局部向量聚合層對時域信息或者頻域信息相似度大于預設相似度的時域特征和頻域特征聚合在一起。

4.根據權利要求3所述的方法，其特征在于，所述對所述聚合后的特征進行向量嵌入，得到聲紋特征，包括：

將所述聚合后的特征輸入到全連接層，得到聲紋特征。

5.根據權利要求1至4任一項所述的方法，其特征在于，在所述對所述聚合后的特征進行向量嵌入，得到聲紋特征之后，所述方法還包括：

將所述聲紋特征輸入到分類器中，以使得所述分類器計算所述聲紋特征與預先存儲的預設聲紋特征之間的相似度，并通過計算得到的相似度確定所述待識別語音數據對應的用戶標識；

其中，所述預設聲紋特征對應預設用戶的用戶標識。

6.一種聲紋特征提取裝置，其特征在于，所述裝置包括：

語音數據獲取模塊，用于獲取待識別語音數據；

特征提取模塊，用于提取所述待識別語音數據的時域特征和頻域特征；

特征聚合模塊，用于對所述時域特征和所述頻域特征進行特征聚合，得到聚合后的特征，其中，在對所述時域特征和所述頻域特征進行特征聚合的過程中，將相似度大于預設相似度的時域特征和頻域特征聚合在一起；

聲紋特征獲取模塊，用于對所述聚合后的特征進行向量嵌入，得到聲紋特征。

7.根據權利要求6所述的裝置，其特征在于，所述特征提取模塊，具體用于：

將所述待識別語音數據進行短時傅里葉變換，得到所述待識別語音數據的頻譜圖信息，所述頻譜圖信息包括：時域信息和頻域信息；

將所述頻譜圖信息的時域信息和頻域信息輸入到二維卷積神經網絡，得到所述待識別語音數據的時域特征和頻域特征。

8.根據權利要求7所述的裝置，其特征在于，所述特征聚合模塊，具體用于：

將所述時域特征和所述頻域特征輸入到局部向量聚合層，以使得所述局部向量聚合層對時域信息或者頻域信息相似度大于預設相似度的時域特征和頻域特征聚合在一起。

9.根據權利要求8所述的裝置，其特征在于，所述聲紋特征獲取模塊，具體用于：

將所述聚合后的特征輸入到全連接層，得到聲紋特征。

10.根據權利要求6至9任一項所述的裝置，其特征在于，所述裝置還包括：

用戶標識獲取模塊，用于在所述對所述聚合后的特征進行向量嵌入，得到聲紋特征之后，將所述聲紋特征輸入到分類器中，以使得所述分類器計算所述聲紋特征與預先存儲的預設聲紋特征之間的相似度，并通過計算得到的相似度確定所述待識別語音數據對應的用戶標識；

其中，所述預設聲紋特征對應預設用戶的用戶標識。