[發明專利]一種識別同一說話人的方法和裝置

有效

• 申請號: 202010545180.7
• 申請日: 2020-06-16
• 公開（公告）號: CN111508503B
• 公開（公告）日: 2020-10-20
• 發明（設計）人: 張晴晴;賈艷明;張雪璐;岑吳镕
• 申請（專利權）人: 北京愛數智慧科技有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/14;G10L25/51;G10L25/78
• 代理公司: 北京智沃律師事務所 11620
• 代理人: 吳志宏

本發明公開一種識別同一說話人的方法和裝置，該方法包括以下步驟：采集第一音頻和第二音頻，所述第一音頻為第一說話人在第一背景環境下輸出的人聲，所述第二音頻為第二說話人在所述第一背景環境下輸出的人聲；獲取與所述第一背景環境對應的第一閾值；判斷所述第一音頻和所述第二音頻的相似度是否大于所述第一閾值，若是，則確定所述第一說話人和所述第二說話人為同一說話人。本發明針對聲紋識別的環境因素、語種等外部因素，判斷音頻背景環境并進行分類，從而確定閾值，并基于該閾值判斷兩個說話人是否為同一說話人，能夠提升說話人識別的正確率。

技術領域

本發明涉及音頻技術領域，特別涉及一種識別同一說話人的方法和裝置。

背景技術

人類語言的產生，是人體語言中樞與發音器官之間一個復雜的生理物理過程。人在講話時使用的發聲器官（舌、牙齒、喉頭、肺和鼻腔）在尺寸和形態方面，每個人的差異很大，所以，任何兩個人的聲紋圖譜都有差異。所謂聲紋(Voiceprint)，是指用電聲學儀器顯示的攜帶言語信息的聲波頻譜。每個人的語音聲學特征既有相對穩定性，又有變異性，不是絕對的、一成不變的。這種變異可來自生理、病理、心理、模擬和偽裝，也與環境干擾有關。盡管如此，由于每個人的發音器官都不盡相同，因此在一般情況下，人們仍能區別不同的人的聲音或判斷是否是同一人的聲音。

作為生物識別技術的一種，聲紋識別也稱為說話人識別，包括說話人辨認和說話人確認。聲紋識別技術將聲音信號轉換成電信號，再用計算機進行識別。不同的任務和應用會使用不同的聲紋識別技術，例如，縮小刑偵范圍時，可能需要說話人辨認技術，而銀行交易時，則需要說話人確認技術。

與其他生物特征相比，聲紋識別的應用仍具有以下優勢：（1）蘊含聲紋特征的語音獲取方便、自然，聲紋提取可在不知不覺中完成，因此使用者的接受程度也高；（2）獲取語音的識別成本低廉，使用簡單，一個麥克風即可，在使用通訊設備時更無需額外的錄音設備；（3）適合遠程身份確認，只需要一個麥克風或電話、手機就可以通過網路（通訊網絡或互聯網絡）實現遠程登錄；（4）聲紋辨認和確認的算法復雜度低；（5）配合一些其他措施，如通過語音識別進行內容鑒別等，可以提高準確率。這些優勢使得聲紋識別的應用越來越受到系統開發者和用戶青睞，聲紋識別的世界市場占有率為15.8%，僅次于基于指紋和掌紋的生物特征識別，并有不斷上升的趨勢。

然而，現有技術中，由于不同背景環境（如車載噪聲，電話信道）以及語種等因素影響，會導致聲紋識別結果不可靠。

發明內容

本發明提供了一種識別同一說話人的方法和裝置，以解決現有技術中聲紋識別結果不可靠的缺陷。

本發明提供了一種識別同一說話人的方法，包括以下步驟：

采集第一音頻和第二音頻，所述第一音頻為第一說話人在第一背景環境下輸出的人聲，所述第二音頻為第二說話人在所述第一背景環境下輸出的人聲；

獲取與所述第一背景環境對應的第一閾值；

判斷所述第一音頻和所述第二音頻的相似度是否大于所述第一閾值，若是，則確定所述第一說話人和所述第二說話人為同一說話人。

可選地，所述獲取與所述第一背景環境對應的第一閾值，包括：

根據所述第一音頻的噪聲類型、說話語種和信噪比，確定與所述第一背景環境對應的第一閾值。

可選地，所述根據所述第一音頻的噪聲類型、說話語種和信噪比，確定與所述第一背景環境對應的第一閾值，包括：

獲取與所述第一音頻的噪聲類型對應的第一噪聲閾值、與所述第一音頻的說話語種對應的第一語種閾值，以及與所述第一音頻的信噪比對應的第一信噪比閾值；

根據所述第一噪聲閾值、第一語種閾值和所述第一信噪比閾值，確定所述第一閾值。