[發明專利]音頻拼接檢測方法、系統、移動終端及存儲介質

有效

• 申請號: 202010594336.0
• 申請日: 2020-06-28
• 公開（公告）號: CN111933180B
• 公開（公告）日: 2023-04-07
• 發明（設計）人: 曾志先;肖龍源;李稀敏;葉志堅;劉曉葳
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G10L25/51
• 分類號: G10L25/51;G10L25/30;G06N3/044;G06N3/08
• 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: 樂珠秀

本發明提供了一種音頻拼接檢測方法、系統、移動終端及存儲介質，該方法包括：獲取原始音頻數據，對原始音頻數據中的原始音頻進行切分得到切分音頻；對切分音頻進行拼接得到拼接音頻，分別對拼接音頻和原始音頻進行音頻特征提取，得到原始音頻特征和拼接音頻特征；分別對原始音頻特征和拼接音頻特征進行歸一化處理，并根據歸一化處理后的原始音頻特征和拼接音頻特征對預設循環神經網絡進行訓練，得到音頻檢測模型；控制音頻檢測模型進行音頻拼接檢測，以輸出檢測結果。本發明無需進行人工特征選擇，通過音頻檢測模型自動學習最合適的音頻特征來作為判斷是否為拼接音頻的方式，提高了特征的代表性，提高了音頻拼接檢測效率和音頻拼接檢測的準確性。

技術領域

本發明音頻檢測技術領域，尤其涉及一種音頻拼接檢測方法、系統、移動終端及存儲介質。

背景技術

聲紋識別技術是實現通過聲音來判斷說話人身份的技術，主要應用于銀行、金融和安防等領域，聲紋識別技術有成本低，效率高等特點，并且易于部署在各種嵌入式設備當中。

但是由于聲音容易被手機或錄音筆等錄音設備錄制，導致由聲紋識別構成的身份驗證系統容易受到不法分子的攻擊，常見的攻擊方式有錄音重放、語音合成、語音生成和語音轉換等技術，而錄音重放攻擊方式需要通過剪輯用戶的原始音頻，然后拼接成為系統所需要的文本形式，因此，聲紋識別系統使用過程中，針對音頻的拼接檢測就尤為重要。

現有的音頻拼接檢測方法均需要人工進行聲波特征選擇后，通過采用聲波匹配的方式，以對應進行待測音頻的拼接檢測，即通過基于人工聲波特征的選取，以使將待測音頻的聲波與預設聲波進行波紋匹配，以得到音頻拼接檢測結果，但由于基于人工特征選取的聲波匹配方式使得音頻拼接檢效率低下，且音頻拼接檢測精準度差。

發明內容

本發明實施例的目的在于提供一種音頻拼接檢測方法、系統、移動終端及存儲介質，旨在解決現有的音頻拼接檢測方法使用過程中，由于采用cosine公式或歐式距離公式進行聲紋向量的相似度比對，所導致的聲紋識別準確性低下的問題。

本發明實施例是這樣實現的，一種音頻拼接檢測方法，所述方法包括：

獲取原始音頻數據，并分別對所述原始音頻數據中的原始音頻進行切分，得到切分音頻；

對所述切分音頻進行拼接，得到拼接音頻，分別對所述拼接音頻和所述原始音頻進行音頻特征提取，得到拼接音頻特征和原始音頻特征；

分別對所述原始音頻特征和所述拼接音頻特征進行歸一化處理，并根據歸一化處理后的所述原始音頻特征和所述拼接音頻特征對預設循環神經網絡進行訓練，得到音頻檢測模型；

將待測音頻輸入所述音頻檢測模型，并控制所述音頻檢測模型進行音頻拼接檢測，以輸出檢測結果。

更進一步的，所述分別對所述原始音頻數據中的原始音頻進行切分的步驟包括：

根據預設切分數量分別對每個所述原始音頻進行隨機切分，得到所述切分音頻；

具體的，所述對所述切分音頻進行拼接的步驟包括：

根據所述預設切分數量對所述切分音頻進行抽取，將抽取到的所述切分音頻進行拼接，得到所述拼接音頻。

更進一步的，所述分別對所述原始音頻特征和所述拼接音頻特征進行歸一化處理的步驟包括：

分別對所述原始音頻特征和所述拼接音頻特征進行數值標準化處理，以得到原始音頻原數值和拼接音頻原數值；

分別對所述原始音頻原數值和所述拼接音頻原數值進行平均值計算和標準差計算，以得到原始音頻平均值、原始音頻標準差、拼接音頻平均值和拼接音頻標準差；

根據標準化計算公式分別對所述原始音頻原數值和所述拼接音頻原數值進行計算，以得到原始音頻歸一值和拼接音頻歸一值。