[發(fā)明專利]聲紋識別方法、裝置、存儲介質(zhì)及計算機設(shè)備

在審

• 申請?zhí)枺?/td>: 202011126786.3
• 申請日: 2020-10-20
• 公開（公告）號: CN112259106A
• 公開（公告）日: 2021-01-22
• 發(fā)明（設(shè)計）人: 陳柱欣;林悅;陳堆盛;丁涵宇
• 申請（專利權(quán)）人: 網(wǎng)易（杭州）網(wǎng)絡(luò)有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/18;G10L19/26;G10L25/18;G10L25/24;G10L25/30;G10L25/45
• 代理公司: 深圳紫藤知識產(chǎn)權(quán)代理有限公司 44570
• 代理人: 高楊麗

本申請實施例公開了一種聲紋識別方法、裝置、存儲介質(zhì)及計算機設(shè)備，其中，該方法包括：獲取待識別的目標(biāo)語音信號，基于預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，對目標(biāo)語音信號進行處理，以得到目標(biāo)語音信號的目標(biāo)語音特征，目標(biāo)語音特征為用于表征目標(biāo)語音信號的說話人身份信息和語音內(nèi)容的深層向量，基于預(yù)設(shè)的度量模塊，將目標(biāo)語音特征與特征數(shù)據(jù)庫中的注冊語音特征進行相似度匹配以確定聲紋識別結(jié)果，注冊語音特征通過注冊步驟對注冊語音信號進行處理后得到，注冊語音特征為用于表征注冊語音信號的說話人身份信息和語音內(nèi)容的深層向量。本申請實施例可以同時進行說話人身份信息和語音內(nèi)容的匹配，提高的聲紋識別的準(zhǔn)確率，復(fù)雜度更低，應(yīng)用范圍更廣。

技術(shù)領(lǐng)域

本申請涉及計算機技術(shù)領(lǐng)域，具體涉及一種聲紋識別方法、裝置、存儲介質(zhì)及計算機設(shè)備。

背景技術(shù)

近幾年來，機器學(xué)習(xí)尤其是深度學(xué)習(xí)領(lǐng)域相關(guān)技術(shù)的研究取得突飛猛進的進展，極大促進了人機交互方式的極大轉(zhuǎn)變。語音交互技術(shù)，作為人類最自然的交互方式之一，逐漸應(yīng)用到許多商業(yè)化產(chǎn)品。語音指令控制、聲紋識別技術(shù)是智能語音控制的若干關(guān)鍵技術(shù)。其中，語音指令控制用于判斷說話人是否發(fā)出指定文本內(nèi)容的語音，聲紋識別用于判斷語音的說話人身份。當(dāng)構(gòu)建一個說話人相關(guān)的語音指令控制系統(tǒng)時，即只有目標(biāo)說話人發(fā)出相應(yīng)的指令時系統(tǒng)才觸發(fā)響應(yīng)，該系統(tǒng)也可以稱為文本相關(guān)的聲紋識別系統(tǒng)。

目前，大多數(shù)文本相關(guān)的聲紋識別系統(tǒng)依賴于語音識別系統(tǒng)，使用語音識別進行音素的提取，或者是文本內(nèi)容的匹配。在這一過程中，受限于訓(xùn)練數(shù)據(jù)的采集，低資源語言的語音識別模型訓(xùn)練往往較為困難，成本也更高。當(dāng)用戶使用自己特定的一段語音(可以是任意語言)作為聲紋語音指令時，在應(yīng)用上將存在一定的限制。

因此，現(xiàn)有技術(shù)存在缺陷，有待改進與發(fā)展。

發(fā)明內(nèi)容

本申請實施例提供一種聲紋識別方法、裝置、存儲介質(zhì)及計算機設(shè)備，可以同時進行說話人身份信息和語音內(nèi)容的匹配，用戶可以使用任意語言、語種注冊聲紋指令，提高的聲紋識別的準(zhǔn)確率，復(fù)雜度更低，應(yīng)用范圍更廣。

本申請實施例提供了一種聲紋識別方法，所述方法包括：

獲取待識別的目標(biāo)語音信號；

基于預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，對所述目標(biāo)語音信號進行處理，以得到所述目標(biāo)語音信號的目標(biāo)語音特征，所述目標(biāo)語音特征為用于表征所述目標(biāo)語音信號的說話人身份信息和語音內(nèi)容的深層向量；

基于預(yù)設(shè)的度量模塊，將所述目標(biāo)語音特征與特征數(shù)據(jù)庫中的注冊語音特征進行相似度匹配以確定聲紋識別結(jié)果，所述注冊語音特征為通過注冊步驟對注冊語音信號進行處理后得到的注冊語音特征，所述注冊語音特征為用于表征所述注冊語音信號的說話人身份信息和語音內(nèi)容的深層向量。

本申請實施例還提供一種聲紋識別裝置，所述裝置包括：

獲取單元，用于獲取待識別的目標(biāo)語音信號；

處理單元，用于基于預(yù)設(shè)的神經(jīng)網(wǎng)絡(luò)模型，對所述目標(biāo)語音信號進行處理，以得到所述目標(biāo)語音信號的目標(biāo)語音特征，所述目標(biāo)語音特征為用于表征所述目標(biāo)語音信號的說話人身份信息和語音內(nèi)容的深層向量；

匹配單元，用于基于預(yù)設(shè)的度量模塊，將所述目標(biāo)語音特征與特征數(shù)據(jù)庫中的注冊語音特征進行相似度匹配以確定聲紋識別結(jié)果，所述注冊語音特征為通過注冊步驟對注冊語音信號進行處理后得到的注冊語音特征，所述注冊語音特征為用于表征注冊語音信號的說話人身份信息和語音內(nèi)容的深層向量。

可選的，所述獲取單元，包括：

獲取子單元，用于獲取待識別的目標(biāo)語音；

第一提取子單元，用于提取所述目標(biāo)語音中的有效目標(biāo)語音；

第二提取子單元，用于提取所述有效目標(biāo)語音的音頻特征，以得到所述待識別的目標(biāo)語音信號。