[發(fā)明專利]聲紋識(shí)別模型訓(xùn)練方法、裝置、移動(dòng)終端及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010469636.6
• 申請(qǐng)日: 2020-05-28
• 公開（公告）號(hào): CN111783939A
• 公開（公告）日: 2020-10-16
• 發(fā)明（設(shè)計(jì)）人: 洪國(guó)強(qiáng);肖龍?jiān)?/a>;李稀敏;劉曉葳;葉志堅(jiān)
• 申請(qǐng)（專利權(quán)）人: 廈門快商通科技股份有限公司
• 主分類號(hào): G06N3/04
• 分類號(hào): G06N3/04;G06N3/08;G10L17/00;G10L17/02;G10L17/04;G10L17/18
• 代理公司: 廈門仕誠(chéng)聯(lián)合知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 35227
• 代理人: 邱冬新

1.一種聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述方法包括：

獲取訓(xùn)練數(shù)據(jù)，并將所述訓(xùn)練數(shù)據(jù)輸入xvector聲紋識(shí)別模型；其中，所述訓(xùn)練數(shù)據(jù)包括預(yù)設(shè)數(shù)據(jù)和動(dòng)態(tài)數(shù)字?jǐn)?shù)據(jù)；

基于所述xvector聲紋識(shí)別模型對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，獲得訓(xùn)練特征向量，并將所述訓(xùn)練特征向量輸入第一全連接層；

通過所述第一全連接層對(duì)所述訓(xùn)練特征向量進(jìn)行類型識(shí)別，得到預(yù)設(shè)特征向量和動(dòng)態(tài)數(shù)字特征向量；

將所述預(yù)設(shè)特征向量和所述動(dòng)態(tài)數(shù)字特征向量分別對(duì)應(yīng)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(duì)應(yīng)一個(gè)輸出；

使用損失計(jì)算層對(duì)所述第二全連接層和所述第三全連接層的輸出分別進(jìn)行損失計(jì)算，得到第一損失概率和第二損失概率；

根據(jù)所述第一損失概率對(duì)所述第二全連接層進(jìn)行訓(xùn)練，并根據(jù)所述第二損失概率對(duì)所述第三全連接層進(jìn)行訓(xùn)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(quán)利要求1所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述基于所述xvector聲紋識(shí)別模型對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行特征提取的步驟包括：

將所述訓(xùn)練數(shù)據(jù)輸入所述xvector聲紋識(shí)別模型中的TDNN網(wǎng)絡(luò)，并控制所述TDNN網(wǎng)絡(luò)對(duì)所述訓(xùn)練數(shù)據(jù)進(jìn)行特征提取，得到訓(xùn)練特征；

控制所述TDNN網(wǎng)絡(luò)對(duì)所述訓(xùn)練特征進(jìn)行非線性變換，得到所述訓(xùn)練特征向量。

3.如權(quán)利要求1所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述使用損失計(jì)算層對(duì)所述第二全連接層和所述第三全連接層的輸出分別進(jìn)行損失計(jì)算的步驟包括：

根據(jù)預(yù)設(shè)損失函數(shù)和所述預(yù)設(shè)特征向量對(duì)所述第二全連接層的輸出進(jìn)行損失計(jì)算，得到第一損失概率；

根據(jù)所述預(yù)設(shè)損失函數(shù)和所述動(dòng)態(tài)數(shù)字特征向量對(duì)所述第三全連接層的輸出進(jìn)行損失計(jì)算，得到第二損失概率。

4.如權(quán)利要求1所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述根據(jù)所述第一損失概率對(duì)所述第二全連接層進(jìn)行訓(xùn)練，并根據(jù)所述第二損失概率對(duì)所述第三全連接層進(jìn)行訓(xùn)練的步驟包括：

根據(jù)所述第一損失概率在所述xvector聲紋識(shí)別模型中進(jìn)行正向傳播，并根據(jù)所述第二損失概率在所述xvector聲紋識(shí)別模型中進(jìn)行反向傳播。

5.如權(quán)利要求1所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述將所述訓(xùn)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(duì)每個(gè)所述TDNN網(wǎng)絡(luò)輸出的所述訓(xùn)練特征向量進(jìn)行池化處理，并將池化后的所述訓(xùn)練特征向量輸入所述第一全連接層。

6.如權(quán)利要求5所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述對(duì)每個(gè)所述TDNN網(wǎng)絡(luò)輸出的所述訓(xùn)練特征向量進(jìn)行池化處理的步驟包括：

將每個(gè)所述TDNN網(wǎng)絡(luò)輸出的所述訓(xùn)練特征向量進(jìn)行累計(jì)，根據(jù)向量累計(jì)結(jié)果計(jì)算所有所述訓(xùn)練特征向量中的均值和標(biāo)準(zhǔn)差，并將所述均值和所述標(biāo)準(zhǔn)差作為所述訓(xùn)練特征向量池化處理后的輸出。

7.如權(quán)利要求1所述的聲紋識(shí)別模型訓(xùn)練方法，其特征在于，所述方法還包括：

獲取待識(shí)別聲紋數(shù)據(jù)，并將所述待識(shí)別聲紋數(shù)據(jù)輸入所述xvector聲紋識(shí)別模型；

控制所述xvector聲紋識(shí)別模型對(duì)所述待識(shí)別聲紋數(shù)據(jù)進(jìn)行識(shí)別，并將所述第一全連接層的輸出結(jié)果作為所述xvector聲紋識(shí)別模型的輸出向量；

根據(jù)歐式距離公式計(jì)算所述輸出向量與本地預(yù)存儲(chǔ)的樣本向量之間的匹配值，并獲取所述匹配值中最大值對(duì)應(yīng)的所述樣本向量的編號(hào)值；

當(dāng)判斷到所述編號(hào)值大于編號(hào)閾值時(shí)，判定所述待識(shí)別聲紋數(shù)據(jù)的聲紋識(shí)別合格。