[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

本發明提供了一種聲紋識別模型訓練方法、裝置、移動終端及存儲介質，該方法包括：控制xvector聲紋識別模型對訓練數據進行特征提取，獲得訓練特征向量，通過第一全連接層對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；將預設特征向量和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；對第二全連接層和第三全連接層進行損失計算得到第一損失概率和第二損失概率，根據第一損失概率和第二損失概率對第二全連接層和第三全連接層進行訓練。本發明通過根據預設特征向量對第二全連接層進行訓練，并控制動態數字特征向量對第三全連接層進行訓練的設計，提高了模型訓練后xvector聲紋識別模型對文本半相關的識別效果。

技術領域

本發明屬于聲紋識別技術領域，尤其涉及一種聲紋識別模型訓練方法、裝置、移動終端及存儲介質。

背景技術

每個人的聲音都蘊涵著特有的生物特征，聲紋識別是指利用說話人的聲音來識別說話人的一種技術手段。聲紋識別同指紋識別等技術一樣具有高度的安全可靠性，可以應用在所有需要做身份識別的場合。如在刑偵、銀行、證券、保險等金融領域。與傳統的身份識別技術相比，聲紋識別的優勢在于，聲紋提取過程簡單，成本低，且具有唯一性，不易偽造和假冒。

現有的聲紋識別過程中，xvector模型在聲紋識別上有不錯的效果，聲紋的應用場景一般有文本無關,文本相關(固定口令)及文本半相關(動態數字),但現有的xvector模型使用過程中，針對文本半相關的聲紋識別效果差，進而降低了文本半相關聲紋識別的準確性。

發明內容

本發明實施例的目的在于提供一種聲紋識別模型訓練方法、裝置、移動終端及存儲介質，旨在解決現有的聲紋識別模型訓練方法音頻檢測效率低且音頻檢測精準度差的問題。

本發明實施例是這樣實現的，一種聲紋識別模型訓練方法，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。

更進一步的，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；

TDNN網絡控制所述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。

更進一步的，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，得到第一損失概率和第二損失概率的步驟包括：

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。