[發明專利]豪薩語聲紋識別模型的訓練方法、識別方法及裝置

在審

• 申請號: 202011564085.8
• 申請日: 2020-12-25
• 公開（公告）號: CN114694634A
• 公開（公告）日: 2022-07-01
• 發明（設計）人: 李威勇;龔科
• 申請（專利權）人: 暗物智能科技(廣州)有限公司
• 主分類號: G10L15/00
• 分類號: G10L15/00;G10L15/02;G10L15/06;G10L17/02;G10L17/04
• 代理公司: 北京三聚陽光知識產權代理有限公司 11250
• 代理人: 李紅團

本發明聲紋識別技術領域，具體涉及豪薩語聲紋識別模型的訓練方法、識別方法及裝置，所述訓練方法包括獲取英語音頻樣本的第一頻域特征及第一聲紋特征，以及豪薩語音頻樣本的第二頻域特征及第二聲紋特征；基于所述第一頻域特征以及所述第一聲紋特征對豪薩語聲紋識別模型進行訓練，確定所述豪薩語聲紋識別模型的初始參數，得到初始豪薩語聲紋識別模型；基于所述第二頻域特征以及所述第二聲紋特征對所述初始豪薩語聲紋識別模型進行訓練，調整所述初始豪薩語聲紋識別模型的初始參數，確定目標豪薩語聲紋識別模型。通過遷移學習的方法既能夠避免豪薩語音頻樣本不足的問題，又保證訓練得到的豪薩語聲紋識別模型的準確性。

技術領域

本發明涉及聲紋識別技術領域，具體涉及豪薩語聲紋識別模型的訓練方法、識別方法及裝置。

背景技術

語音識別是將人類的聲音信號轉化為文本的過程，是人工智能感知領域的重要技術之一。隨著深度學習技術的發展，語音識別的精度和速度都取得了長遠的進步。現如今，語音識別技術已經滲透到我們日常生活中的許多應用中，如智能音箱，導購機器人等產品。然而，現有的語音識別研究大多只關注于人數使用最多的語種，如英語和漢語，這導致了語音識別的應用只局限在較為發達的地區和城市。

世界上有6809種語言，大多是為使用人數很少的小語種，針對小語種的語音識別的研究是拉近不同語種人群之間交流的關鍵橋梁。其中，豪薩語是屬于亞非語系乍得語族，是非洲最重要的三大語言之一。對于聲紋識別模型而言，對其訓練一般都需要幾千小時的音頻，而豪薩語作為小語種，所能夠收集的樣本數據較少。由于樣本數據的缺乏，就會導致訓練得到的聲紋識別模型的準確性較低，進而導致聲紋識別的準確率較低。

發明內容

有鑒于此，本發明實施例提供了一種豪薩語聲紋識別模型的訓練方法、識別方法及裝置，以解決聲紋識別的準確率較低的問題。

根據第一方面，本發明實施例提供了一種豪薩語聲紋識別模型的訓練方法，包括：

獲取英語音頻樣本的第一頻域特征及第一聲紋特征，以及豪薩語音頻樣本的第二頻域特征及第二聲紋特征；

基于所述第一頻域特征以及所述第一聲紋特征對豪薩語聲紋識別模型進行訓練，確定所述豪薩語聲紋識別模型的初始參數，得到初始豪薩語聲紋識別模型；

基于所述第二頻域特征以及所述第二聲紋特征對所述初始豪薩語聲紋識別模型進行訓練，調整所述初始豪薩語聲紋識別模型的初始參數，確定目標豪薩語聲紋識別模型，所述目標豪薩語聲紋識別模型的輸出為說話人的聲紋特征。

本發明實施例提供的豪薩語聲紋識別模型的訓練方法，由于豪薩語音頻樣本的數量較少，且豪薩語與英語較為相似，在對豪薩語聲紋識別模型進行訓練時，先基于英語音頻樣本對豪薩語聲紋識別模型進行訓練，將訓練得到的參數作為豪薩語聲紋識別模型的初始參數；再基于豪薩語音頻樣本對初始豪薩語語音模型進行再次訓練，進而對初始參數進行微調。即，通過遷移學習的方法既能夠避免豪薩語音頻樣本不足的問題，又保證訓練得到的豪薩語聲紋識別模型的準確性。

結合第一方面，在第一方面第一實施方式中，所述基于所述第一頻域特征以及所述第一聲紋特征對豪薩語聲紋識別模型進行訓練，確定所述豪薩語聲紋識別模型的初始參數，得到初始豪薩語聲紋識別模型，包括：

將所述第一頻域特征輸入所述豪薩語聲紋識別模型中，得到第一預測聲紋特征；

基于所述第一聲紋特征以及所述第一預測聲紋特征的誤差，對所述豪薩語聲紋識別模型的參數進行調整，確定所述初始豪薩語聲紋識別模型。

本發明實施例提供的豪薩語聲紋識別模型的訓練方法，將英語音頻樣本對應的第一頻域特征經豪薩語聲紋識別模型的處理后得到第一預測聲紋特征，再利用該網絡預測得到聲紋特征與音頻樣本對應的聲紋特征進行誤差比較，以對模型參數進行調整，可以保證所確定出的初始豪薩語聲紋識別模型的初始參數的準確性。