[發明專利]聲紋識別方法、裝置、電子設備及存儲介質

在審

• 申請號: 202010955823.5
• 申請日: 2020-09-11
• 公開（公告）號: CN112053695A
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 鄒佳宏;梁延峰
• 申請（專利權）人: 北京三快在線科技有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/18;G10L25/24
• 代理公司: 北京潤澤恒知識產權代理有限公司 11319
• 代理人: 任亞娟

本申請實施例公開了一種聲紋識別方法、裝置、電子設備及存儲介質，該方法包括：獲取待識別語音的頻譜信息；根據所述頻譜信息，識別所述待識別語音中的有效語音片段和無效語音片段；去除所述無效語音片段，并拼接所述有效語音片段，得到有效語音；獲取所述有效語音的頻譜信息；通過基于深度卷積神經網絡的特征提取模型，對所述有效語音的頻譜信息進行特征提取，得到所述待識別語音對應的待識別聲紋特征向量；將所述待識別聲紋特征向量與語音特征庫中的已有聲紋特征向量進行相似度計算，確定所述待識別語音對應的說話人身份信息。本申請實施例由于去除了無效語音片段，從而為特征提取模型提供了高質量語音數據，提高了聲紋識別結果的準確率。

技術領域

本申請實施例涉及身份識別技術領域，特別是涉及一種聲紋識別方法、裝置、電子設備及存儲介質。

背景技術

聲紋識別又叫說話人識別，是一種根據說話人聲音特征，來識別說話人身份的生物識別技術，可廣泛應用于安防、金融、反欺詐等領域。

目前，聲紋識別使用最廣泛的方法是iVector/PLDA算法。其流程為：通過MFCC(Mel-Frequency Cepstral Coefficients，梅爾頻率倒譜系數)得到語音的頻譜信息；通過高斯超向量因子分析，將獲得的MFCC高維特征信息映射到低維向量iVector，所述低維向量iVector包括說話人的聲紋信息和信道信息；采用PLDA算法對所述低維向量iVector進行信道補償，得到聲紋特征向量；將聲紋特征向量與數據庫中向量進行匹配，確定說話人身份。

由于低維向量iVector既包含了說話人信息，也包含了信道信息，即使進行PLDA信道補償，但是仍含有噪聲、背景聲，對識別對結果依然有很大影響，造成識別結果準確率較低。

發明內容

本申請實施例提供一種聲紋識別方法、裝置、電子設備及存儲介質，有助于提高識別結果的準確率。

為了解決上述問題，第一方面，本申請實施例提供了一種聲紋識別方法，包括：

獲取待識別語音的頻譜信息；

根據所述頻譜信息，識別所述待識別語音中的有效語音片段和無效語音片段；

去除所述無效語音片段，并拼接所述有效語音片段，得到有效語音；

獲取所述有效語音的頻譜信息；

通過基于深度卷積神經網絡的特征提取模型，對所述有效語音的頻譜信息進行特征提取，得到所述待識別語音對應的待識別聲紋特征向量；

將所述待識別聲紋特征向量與語音特征庫中的已有聲紋特征向量進行相似度計算，確定所述待識別語音對應的說話人身份信息。

可選的，所述根據所述頻譜信息，識別所述待識別語音中的有效語音片段和無效語音片段，包括：

將所述待識別語音的頻譜信息輸入基于深度卷積神經網絡的分類模型，得到所述待識別語音中的有效語音片段和無效語音片段。

可選的，所述無效語音片段包括噪聲片段和/或背景聲片段。

可選的，所述獲取待識別語音的頻譜信息，包括：

對所述待識別語音進行短時傅里葉變換處理，得到所述待識別語音的頻譜信息；或者

計算所述待識別語音對應的梅爾頻率倒譜系數，作為所述待識別語音的頻譜信息。

可選的，所述將所述待識別聲紋特征向量與語音特征庫中的已有聲紋特征向量進行相似度計算，確定所述待識別語音對應的說話人身份信息，包括：

將所述待識別聲紋特征向量與語音特征庫中的已有聲紋特征向量進行相似度計算，將與所述待識別聲紋特征向量相似度值最大的已有聲紋特征向量作為候選向量；