[發明專利]一種聲紋檢索方法及前端后端服務器、后端服務器

有效

• 申請號: 202011228722.4
• 申請日: 2020-11-06
• 公開（公告）號: CN112581967B
• 公開（公告）日: 2023-06-23
• 發明（設計）人: 葉林勇;肖龍源;李稀敏
• 申請（專利權）人: 廈門快商通科技股份有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/00
• 代理公司: 廈門仕誠聯合知識產權代理事務所(普通合伙) 35227
• 代理人: 樂珠秀

本發明公開了一種聲紋檢索方法及前端后端服務器、后端服務器，其通過對采集的語音數據進行說話人ID的標注，并在后端服務器對所述語音數據提取聲紋特征；根據所述說話人ID和所述聲紋特征進行構建聲紋數據庫；將所述聲紋數據庫導出并注冊到前端設備上；將前端設備提取到的當前語音數據在前端設備上做聲紋檢索，得到當前的說話人ID，從而提升前端設備QQ和微信等聊天工具采集到的語音做聲紋檢索的效率，解決現有的聲紋檢索方法過于依賴后端服務器、無法實現離線檢索的技術問題。

技術領域

本發明涉及聲紋識別技術領域，特別是一種聲紋檢索方法及其應用該方法的前端設備及后端服務器。

背景技術

聲紋識別(Voiceprint?Recognition,VPR)，也稱為說話人識別(SpeakerRecognition)。每個人的聲音都蘊涵著特有的生物特征，聲紋識別是指利用說話人的聲音來識別說話人的一種技術手段。聲紋識別同指紋識別等技術一樣具有高度的安全可靠性，可以應用在所有需要做身份識別的場合。如在刑偵、銀行、證券、保險等金融領域。與傳統的身份識別技術相比，聲紋識別的優勢在于，聲紋提取過程簡單，成本低，且具有唯一性，不易偽造和假冒。

聲紋識別的主要任務包括:語音信號處理、聲紋特征提取、聲紋建模、聲紋匹配、判別決策等。其中，聲紋匹配目前主要有1:1比對和1：N檢索兩種應用場景。

其中，1：N聲紋檢索應用場景分為兩個步驟：

步驟一：使用預訓練的聲紋模型對標注好的M個說話人語音提取N維聲紋特征向量；

步驟二：將提取好M個說話人語音的N維特征向量保存在數據庫里面。

傳統的1：N聲紋檢索時，是通過手機等前端設備采集到的語音需要先傳輸到后端服務器，然后在后端服務器對該條語音提取聲紋特征，依次對比聲紋數據庫里面M個說話人的N維特征向量，直至M個說話人N維特征向量全部對比一遍。

采用上述傳統聲紋檢索方案，對前端設備比如qq或者微信提取到的語音做聲紋檢索，需要先將該條語音發送到后端服務器，然后在后端服務器做1:N的聲紋檢索，后端服務器檢索結束后將檢索結果返回前端設備。該種聲紋檢索方式需要將所有前端設備的語音發送到后端服務器，導致后端服務器的帶寬壓力大，耗時長；并且，還需要較長時間等待后端服務器分析出檢索結果后再返回前端設備，效率低下。特別是，在沒有網絡的情況下，針對離線的前端設備沒辦法做1：N的聲紋檢索。

發明內容

本發明的主要目的在于提供了一種聲紋檢索方法及前端后端服務器、后端服務器，旨在解決現有的聲紋檢索方法過于依賴后端服務器、無法實現離線檢索的技術問題。

為實現上述目的，本發明提供了一種聲紋檢索方法，其包括以下步驟：

對采集的語音數據進行說話人ID的標注，并在后端服務器對所述語音數據提取聲紋特征；

根據所述說話人ID和所述聲紋特征進行構建聲紋數據庫；

將所述聲紋數據庫導出并注冊到前端設備上；

將前端設備提取到的當前語音數據在前端設備上做聲紋檢索，得到當前的說話人ID。

優選的，所述聲紋數據庫的構建，是通過將M個說話人ID對應的聲紋特征輸入預訓練好的模型中，輸出每個說話人ID對應的N維聲紋特征向量；將所述M個說話人ID的N維特征向量保存到數據庫中，建立容量為M*N的聲紋數據庫；所述聲紋數據庫中，每個說話人的聲紋特征向量采用說話人ID做映射。

優選的，將所述聲紋數據庫注冊到前端設備上，是使用聲紋數據庫導出工具將每個說話人ID及其對應的聲紋特征導出并注冊到前端設備上；其中，M個說話人的聲紋特征分別導出至M個ark文件。