[發明專利]語音匹配方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010826186.1
• 申請日: 2020-08-17
• 公開（公告）號: CN111968650A
• 公開（公告）日: 2020-11-20
• 發明（設計）人: 李晉;褚繁;方昕;余青松;柳林;戴禮榮;胡郁
• 申請（專利權）人: 科大訊飛股份有限公司
• 主分類號: G10L17/00
• 分類號: G10L17/00;G10L17/22;G10L21/0272
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 程琛

1.一種語音匹配方法，其特征在于，包括：

確定待匹配話單的兩個待匹配號碼；

將所述待匹配話單中的語音數據的聲紋特征分別與所述兩個待匹配號碼的聲紋特征進行匹配，得到所述待匹配話單中的語音數據與所述兩個待匹配號碼的匹配關系；

其中，任一待匹配號碼的聲紋特征是對所述任一待匹配號碼的話單集中每一語音數據的聲紋特征進行聚類得到的，所述任一待匹配號碼的話單集包括多個以所述任一待匹配號碼為一端、不同號碼為另一端的話單。

2.根據權利要求1所述的語音匹配方法，其特征在于，所述任一待匹配號碼的話單集是基于如下步驟確定的：

基于以所述任一待匹配號碼為一端的所有話單，或，基于以所述任一待匹配號碼為一端且通話時長大于預設時長的所有話單，構建所述任一待匹配號碼的候選話單集；

從所述候選話單集中選取多個另一端為不同號碼的話單，構建所述任一待匹配號碼的話單集。

3.根據權利要求2所述的語音匹配方法，其特征在于，所述從所述候選話單集中選取多個另一端為不同號碼的話單，構建所述任一待匹配號碼的話單集，具體包括：

選取所述候選話單集中預設數量個產生時間距離所述待匹配話單的產生時間最近且另一端為不同號碼的話單，構建所述任一待匹配號碼的話單集。

4.根據權利要求1所述的語音匹配方法，其特征在于，所述任一待匹配號碼的聲紋特征是基于如下步驟確定的：

對所述任一待匹配號碼的話單集中每一語音數據的聲紋特征進行聚類，得到對應所述任一待匹配號碼的聚類結果；

基于對應所述任一待匹配號碼的聚類結果中每個簇的質量參數，確定所述任一待匹配號碼的聲紋特征所屬的簇；

基于所述任一待匹配號碼的聲紋特征所屬的簇，確定所述任一待匹配號碼的聲紋特征。

5.根據權利要求1至4中任一項所述的語音匹配方法，其特征在于，所述語音數據的聲紋特征是基于如下步驟確定的：

將所述語音數據輸入至聲紋提取模型，得到所述聲紋提取模型輸出的所述語音數據的聲紋特征；

所述聲紋提取模型用于基于所述語音數據的多個聲學特征圖確定每一聲學特征圖的加重系數，基于每一聲學特征圖的加重系數對每一聲學特征圖進行加重，基于加重后的每一聲學特征圖進行聲紋特征提取。

6.根據權利要求5所述的語音匹配方法，其特征在于，所述將所述語音數據輸入至聲紋提取模型，得到所述聲紋提取模型輸出的所述語音數據的聲紋特征，具體包括：

將所述語音數據中每一語譜片段輸入至所述聲紋提取模型的特征圖編碼層，得到每一語譜片段的多個初始聲學特征圖；

將任一語譜片段的多個上一聲學特征圖輸入至所述聲紋提取模型的特征圖加重層，得到所述特征圖加重層輸出的所述任一語譜片段的多個當前聲學特征圖；

將每一語譜片段的多個最終聲學特征圖輸入至所述聲紋提取模型的聲紋輸出層，得到所述聲紋輸出層輸出的所述語音數據的聲紋特征。

7.根據權利要求6所述的語音匹配方法，其特征在于，所述將任一語譜片段的多個上一聲學特征圖輸入至所述聲紋提取模型的特征圖加重層，得到所述特征圖加重層輸出的所述任一語譜片段的多個當前聲學特征圖，具體包括：

將任一語譜片段的多個上一聲學特征圖輸入至所述特征圖加重層的系數計算層，得到所述系數計算層輸出的每一上一聲學特征圖的加重系數；

將每一上一聲學特征圖及其對應的加重系數輸入至所述特征圖加重層的系數加重層，得到所述系數加重層輸出的所述任一語譜片段的多個當前聲學特征圖。

8.根據權利要求5所述的語音匹配方法，其特征在于，所述聲紋提取模型是基于包含同一說話人的樣本語音數據的第一語音集合以及包含不同說話人的樣本語音數據的第二語音集合，和/或，基于標注有說話人標簽的樣本語音數據并結合說話人識別模型訓練得到的；

其中，所述說話人識別模型用于基于所述語音數據的聲紋特征進行說話人識別。