[發明專利]聲紋識別模型訓練方法、裝置、移動終端及存儲介質

在審

• 申請號: 202010469636.6
• 申請日: 2020-05-28
• 公開（公告）號: CN111783939A
• 公開（公告）日: 2020-10-16
• 發明（設計）人: 洪國強;肖龍源;李稀敏;劉曉葳;葉志堅
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G10L17/00;G10L17/02;G10L17/04;G10L17/18
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 邱冬新

1.一種聲紋識別模型訓練方法，其特征在于，所述方法包括：

獲取訓練數據，并將所述訓練數據輸入xvector聲紋識別模型；其中，所述訓練數據包括預設數據和動態數字數據；

基于所述xvector聲紋識別模型對所述訓練數據進行特征提取，獲得訓練特征向量，并將所述訓練特征向量輸入第一全連接層；

通過所述第一全連接層對所述訓練特征向量進行類型識別，得到預設特征向量和動態數字特征向量；

將所述預設特征向量和所述動態數字特征向量分別對應輸入第二全連接層和第三全連接層，所述第二全連接層和所述第三全連接層均對應一個輸出；

使用損失計算層對所述第二全連接層和所述第三全連接層的輸出分別進行損失計算，得到第一損失概率和第二損失概率；

根據所述第一損失概率對所述第二全連接層進行訓練，并根據所述第二損失概率對所述第三全連接層進行訓練，直至所述第二全連接層和所述第三全連接層的輸出收斂。

2.如權利要求1所述的聲紋識別模型訓練方法，其特征在于，所述基于所述xvector聲紋識別模型對所述訓練數據進行特征提取的步驟包括：

將所述訓練數據輸入所述xvector聲紋識別模型中的TDNN網絡，并控制所述TDNN網絡對所述訓練數據進行特征提取，得到訓練特征；

控制所述TDNN網絡對所述訓練特征進行非線性變換，得到所述訓練特征向量。

3.如權利要求1所述的聲紋識別模型訓練方法，其特征在于，所述使用損失計算層對所述第二全連接層和所述第三全連接層的輸出分別進行損失計算的步驟包括：

根據預設損失函數和所述預設特征向量對所述第二全連接層的輸出進行損失計算，得到第一損失概率；

根據所述預設損失函數和所述動態數字特征向量對所述第三全連接層的輸出進行損失計算，得到第二損失概率。

4.如權利要求1所述的聲紋識別模型訓練方法，其特征在于，所述根據所述第一損失概率對所述第二全連接層進行訓練，并根據所述第二損失概率對所述第三全連接層進行訓練的步驟包括：

根據所述第一損失概率在所述xvector聲紋識別模型中進行正向傳播，并根據所述第二損失概率在所述xvector聲紋識別模型中進行反向傳播。

5.如權利要求1所述的聲紋識別模型訓練方法，其特征在于，所述將所述訓練特征向量輸入第一全連接層的步驟之前，所述方法還包括：

對每個所述TDNN網絡輸出的所述訓練特征向量進行池化處理，并將池化后的所述訓練特征向量輸入所述第一全連接層。

6.如權利要求5所述的聲紋識別模型訓練方法，其特征在于，所述對每個所述TDNN網絡輸出的所述訓練特征向量進行池化處理的步驟包括：

將每個所述TDNN網絡輸出的所述訓練特征向量進行累計，根據向量累計結果計算所有所述訓練特征向量中的均值和標準差，并將所述均值和所述標準差作為所述訓練特征向量池化處理后的輸出。

7.如權利要求1所述的聲紋識別模型訓練方法，其特征在于，所述方法還包括：

獲取待識別聲紋數據，并將所述待識別聲紋數據輸入所述xvector聲紋識別模型；

控制所述xvector聲紋識別模型對所述待識別聲紋數據進行識別，并將所述第一全連接層的輸出結果作為所述xvector聲紋識別模型的輸出向量；

根據歐式距離公式計算所述輸出向量與本地預存儲的樣本向量之間的匹配值，并獲取所述匹配值中最大值對應的所述樣本向量的編號值；

當判斷到所述編號值大于編號閾值時，判定所述待識別聲紋數據的聲紋識別合格。