[發(fā)明專(zhuān)利]一種識(shí)別說(shuō)話對(duì)象的方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010693717.4
• 申請(qǐng)日: 2020-07-17
• 公開(kāi)（公告）號(hào): CN111883138A
• 公開(kāi)（公告）日: 2020-11-03
• 發(fā)明（設(shè)計(jì)）人: 譚聰慧
• 申請(qǐng)（專(zhuān)利權(quán)）人: 深圳前海微眾銀行股份有限公司
• 主分類(lèi)號(hào): G10L17/00
• 分類(lèi)號(hào): G10L17/00;G10L17/20
• 代理公司: 北京同達(dá)信恒知識(shí)產(chǎn)權(quán)代理有限公司 11291
• 代理人: 彭燕

本發(fā)明公開(kāi)了一種識(shí)別說(shuō)話對(duì)象的方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，該方法包括：確定目標(biāo)音頻文件中說(shuō)話對(duì)象的相似度值；根據(jù)所述確定的相似度值和預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述目標(biāo)音頻文件的任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象對(duì)應(yīng)的決策值；其中，所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型用于根據(jù)所述任一幀文件的前后幀文件對(duì)應(yīng)的說(shuō)話對(duì)象確定所述任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象的決策值；將決策值中最大值對(duì)應(yīng)的說(shuō)話對(duì)象確定為所述任一幀文件的說(shuō)話對(duì)象，以識(shí)別所述目標(biāo)音頻文件中所有幀文件對(duì)應(yīng)的說(shuō)話對(duì)象。

技術(shù)領(lǐng)域

本發(fā)明涉及金融科技(Fintech)的聲紋識(shí)別技術(shù)領(lǐng)域，尤其涉及一種識(shí)別說(shuō)話對(duì)象的方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的發(fā)展，越來(lái)越多的技術(shù)應(yīng)用在金融領(lǐng)域，傳統(tǒng)金融業(yè)正在逐步向金融科技(Fintech)轉(zhuǎn)變，語(yǔ)音識(shí)別技術(shù)也不例外。但由于金融行業(yè)的安全性、實(shí)時(shí)性要求，也對(duì)聲紋識(shí)別技術(shù)提出的更高的要求。

目前，在各種公司會(huì)議或者是研討會(huì)等場(chǎng)景中，通常會(huì)出現(xiàn)多個(gè)人說(shuō)話的場(chǎng)景，而為了更準(zhǔn)確高效的記錄會(huì)議中發(fā)言?xún)?nèi)容和對(duì)應(yīng)的發(fā)言人，相關(guān)技術(shù)中通過(guò)在會(huì)議中進(jìn)行錄音獲取音頻文件，并對(duì)音頻文件進(jìn)行語(yǔ)音識(shí)別處理，從而確定會(huì)議中說(shuō)話的對(duì)象以及該對(duì)象的說(shuō)話內(nèi)容。

然而，相關(guān)技術(shù)中僅是通過(guò)確定音頻文件中語(yǔ)音信息與多個(gè)說(shuō)話人的語(yǔ)音的相似度，并根據(jù)相似度直接確定語(yǔ)音信息對(duì)應(yīng)的說(shuō)話人，這樣的方案，可能會(huì)存在由于說(shuō)話人聲音改變或相近，導(dǎo)致對(duì)音頻文件中說(shuō)話人識(shí)別的準(zhǔn)確性較差。

可見(jiàn)，相關(guān)技術(shù)中存在說(shuō)話人識(shí)別的準(zhǔn)確性較差的技術(shù)問(wèn)題。

發(fā)明內(nèi)容

本發(fā)明的主要目的在于提供一種識(shí)別說(shuō)話對(duì)象的方法、裝置、設(shè)備及可讀存儲(chǔ)介質(zhì)，旨在解決相關(guān)技術(shù)中說(shuō)話人識(shí)別準(zhǔn)確性較差的技術(shù)問(wèn)題。

為實(shí)現(xiàn)上述目的，本發(fā)明提供一種識(shí)別說(shuō)話對(duì)象的方法，所述識(shí)別說(shuō)話對(duì)象的方法包括：

確定目標(biāo)音頻文件中說(shuō)話對(duì)象的相似度值；

根據(jù)所述確定的相似度值和預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述目標(biāo)音頻文件的任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象對(duì)應(yīng)的決策值；其中，所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型用于根據(jù)所述任一幀文件的前后幀文件對(duì)應(yīng)的說(shuō)話對(duì)象確定所述任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象的決策值；

將決策值中最大值對(duì)應(yīng)的說(shuō)話對(duì)象確定為所述任一幀文件的說(shuō)話對(duì)象，以識(shí)別所述目標(biāo)音頻文件中所有幀文件對(duì)應(yīng)的說(shuō)話對(duì)象。

在一種可能的實(shí)施方式中，所述根據(jù)所述確定的相似度值和預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述目標(biāo)音頻文件的任一幀文件對(duì)應(yīng)的說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

根據(jù)預(yù)設(shè)狀態(tài)轉(zhuǎn)移條件對(duì)所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象的相似度進(jìn)行處理，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值；其中，所述預(yù)設(shè)狀態(tài)轉(zhuǎn)移條件用于根據(jù)所述任一幀文件的前一個(gè)幀文件的關(guān)聯(lián)值遞推所述任一幀文件的關(guān)聯(lián)值，其中，M為大于1的正整數(shù)；

根據(jù)所述關(guān)聯(lián)值和所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值。

在一種可能的實(shí)施方式中，所述根據(jù)所述關(guān)聯(lián)值和所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值，包括：

確定所述任一幀文件是否為所述多個(gè)幀文件中最后一個(gè)幀文件，所述多個(gè)幀文件按照劃分順序排列；

若所述任一幀文件為所述最后一個(gè)幀文件，則從所述預(yù)設(shè)動(dòng)態(tài)規(guī)劃模型中確定第一預(yù)設(shè)動(dòng)態(tài)規(guī)劃子模型，并根據(jù)所述任一幀文件對(duì)應(yīng)的所述M個(gè)說(shuō)話對(duì)象的關(guān)聯(lián)值和所述第一預(yù)設(shè)子動(dòng)態(tài)規(guī)劃模型，確定所述任一幀文件對(duì)應(yīng)的M個(gè)說(shuō)話對(duì)象對(duì)應(yīng)的決策值；以及，