[發明專利]一種跨場景聲紋比對方法、裝置、設備及存儲介質

在審

• 申請號: 202010597183.5
• 申請日: 2020-06-28
• 公開（公告）號: CN111653283A
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 鐘奧;王建社;馮祥
• 申請（專利權）人: 訊飛智元信息科技有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/02;G10L25/60
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 紀志超

本申請提供了一種跨場景聲紋對比方法、裝置、設備及存儲介質，其中，跨場景聲紋對比方法方法包括：獲取兩條語音，其中，兩條語音中的其中一條語音屬于第一場景，另一條語音屬于與第一場景不同的第二場景；將兩條語音處理為同一編碼格式的語音，獲得具有相同編碼格式的兩條語音；將具有相同編碼格式的兩條語音中的其中一條語音處理成與另一條語音的信道信息一致的語音，獲得信道信息一致的兩條語音；分別對信道信息一致的兩條語音提取聲紋特征，并對提取的聲紋特征進行比對。本申請可對不同場景中的兩條語音進行聲紋比對，且可獲得較好的聲紋比對效果。

技術領域

本申請涉及聲紋技術領域，尤其涉及一種跨場景聲紋比對方法、裝置、設備及存儲介質。

背景技術

近年來，隨著聲紋技術的發展，越來越多的場景中用到了聲紋比對，比如，金融領域的身份驗證場景、家居領域的身份驗證場景等。所謂聲紋比對，指的是將兩條語音的聲紋特征進行比對，進一步的，可以根據比對結果確定兩條語音的說話人是否為同一說話人。

一般而言，應用聲紋比對的每個場景都會自建聲紋庫，聲紋庫中包括了對應場景的多條注冊語音和多條注冊語音分別對應的聲紋特征。隨著各場景聲紋庫的規模越來越大，不同場景之間的聲紋比對將發揮重要的作用，比如，在打擊違法犯罪中，在僅有犯罪人在場景A的語音的情況下，可以將該場景A的語音與場景B的聲紋庫中的注冊語音進行聲紋比對，以確定犯罪人的身份等信息。

目前的聲紋比對方案均為針對單一場景的聲紋比對方案，即，將場景A的待測語音與場景A的聲紋庫中的注冊語音進行聲紋比對，這種針對單一場景的聲紋比對方案并不適于跨場景聲紋比對，而如何獲得效果較好的跨場景聲紋比對方案是目前亟需解決的問題。

發明內容

有鑒于此，本申請提供了一種跨場景聲紋比對方法、裝置、設備及存儲介質，用于提供一種效果較好的、適用于跨場景的聲紋比對方案，其技術方案如下：

一種跨場景聲紋對比方法，包括：

獲取兩條語音，其中，所述兩條語音中的其中一條語音屬于第一場景，另一條語音屬于與所述第一場景不同的第二場景；

將所述兩條語音處理為同一編碼格式的語音，獲得具有相同編碼格式的兩條語音；

將所述具有相同編碼格式的兩條語音中的其中一條語音處理成與另一條語音的信道信息一致的語音，獲得信道信息一致的兩條語音；

對所述信道信息一致的兩條語音分別提取聲紋特征，并對提取的聲紋特征進行比對。

可選的，所述將所述兩條語音處理為同一編碼格式的語音，包括：

將所述兩條語音處理成具有相同采樣率、相同量化比特數、相同編碼方式的語音，其中，處理后語音的采樣率為所述兩條語音的采樣率中的最大采樣率。

可選的，所述跨場景聲紋對比方法還包括：

檢測所述具有相同編碼格式的兩條語音中的至少一條語音是否滿足質量要求；

若滿足，則執行所述將所述具有相同編碼格式兩條語音中的其中一條語音處理成與另一條語音的信道信息一致的語音。

可選的，檢測一條語音是否滿足質量要求，包括：

獲取該語音的質量表征指標，其中，所述質量表征指標包括有效時長、信噪比、截幅比、語音歸一化平均能量中的一個或多個；

根據所述質量表征指標和所述質量表征指標對應的質量檢測閾值，確定該語音是否滿足質量要求。

可選的，所述信噪比、所述截幅比和所述語音歸一化平均能量對應同一質量檢測閾值；

確定所述信噪比、所述截幅比和所述語音歸一化平均能量對應的質量檢測閾值的過程包括：