[發(fā)明專利]一種語(yǔ)音記錄方法、裝置、電子設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202011576937.5
• 申請(qǐng)日: 2020-12-28
• 公開（公告）號(hào): CN112767941A
• 公開（公告）日: 2021-05-07
• 發(fā)明（設(shè)計(jì)）人: 劉微微;趙之硯
• 申請(qǐng)（專利權(quán)）人: 深圳壹賬通智能科技有限公司
• 主分類號(hào): G10L15/26
• 分類號(hào): G10L15/26;G10L17/00
• 代理公司: 北京中強(qiáng)智尚知識(shí)產(chǎn)權(quán)代理有限公司 11448
• 代理人: 黃耀威

1.一種語(yǔ)音記錄方法，其特征在于，步驟包括：

獲取第一段語(yǔ)音信息，并確定所述第一段語(yǔ)音信息的第一聲源位置和第一聲紋特征；

將所述第一段語(yǔ)音信息轉(zhuǎn)譯為文本內(nèi)容，添加至第一發(fā)言人的發(fā)言記錄中，將所述第一聲源位置、所述第一聲紋特征與所述第一發(fā)言人關(guān)聯(lián)存儲(chǔ)至數(shù)據(jù)庫(kù)中；

獲取第二段語(yǔ)音信息，并確定所述第二段語(yǔ)音信息的第二聲源位置和第二聲紋特征；

將所述第二聲源位置與數(shù)據(jù)庫(kù)存儲(chǔ)的第一聲源位置進(jìn)行比對(duì)確定聲源匹配因子，以及，將所述第二聲紋特征與數(shù)據(jù)庫(kù)存儲(chǔ)的第一聲紋特征進(jìn)行比對(duì)確定聲紋匹配因子；

將比對(duì)后的聲源匹配因子和聲紋匹配因子輸入至聯(lián)合模型中進(jìn)行識(shí)別判斷，輸出所述第二段語(yǔ)音信息是否屬于第一發(fā)言人；

如果屬于第一發(fā)言人，則將所述第二段語(yǔ)音信息轉(zhuǎn)譯為文本內(nèi)容，添加至所述第一發(fā)言人的發(fā)言記錄中；

如果不屬于第一發(fā)言人，則將所述第二段語(yǔ)音信息轉(zhuǎn)譯為文本內(nèi)容，添加至新的發(fā)言人的發(fā)言記錄中，并將所述第二聲源位置、第二聲紋特征與新的發(fā)言人進(jìn)行關(guān)聯(lián)后存儲(chǔ)至數(shù)據(jù)庫(kù)中；

獲取下一段語(yǔ)音信息，并得到對(duì)應(yīng)的聲源匹配因子和對(duì)應(yīng)的聲紋匹配因子，并將對(duì)應(yīng)的聲源匹配因子和對(duì)應(yīng)的聲紋匹配因子輸入至聯(lián)合模型進(jìn)行再次識(shí)別判斷，直至語(yǔ)音收錄結(jié)束。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述聯(lián)合模型包括輸入層、聲源判斷層、聲紋判斷層和輸出層，所述將比對(duì)后的聲源匹配因子和聲紋匹配因子輸入至聯(lián)合模型中進(jìn)行識(shí)別判斷，輸出所述第二段語(yǔ)音信息是否屬于第一發(fā)言人，具體包括：

將所述聲源匹配因子和所述聲紋匹配因子從輸入層輸入；

利用所述聲源判斷層對(duì)所述聲源匹配因子進(jìn)行判斷，當(dāng)所述聲源匹配因子≥聲源閾值時(shí)，確定結(jié)果為聲源匹配成功并發(fā)送至所述輸出層，否則確定結(jié)果為聲源匹配失敗并發(fā)送至所述輸出層；

利用所述聲紋判斷層對(duì)所述聲紋匹配因子進(jìn)行判斷，當(dāng)所述聲紋匹配因子≥聲紋閾值時(shí)，確定結(jié)果為聲紋匹配成功并發(fā)送至所述輸出層，否則確定結(jié)果為聲紋匹配失敗并發(fā)送至所述輸出層；

當(dāng)所述輸出層接收到所述聲源匹配成功和/或所述聲紋匹配成功后，確定所述第二段語(yǔ)音信息屬于第一發(fā)言人并輸出，否則輸出結(jié)果為空。

3.根據(jù)權(quán)利要求1或2所述的方法，其特征在于，在所述將比對(duì)后的聲源匹配因子和聲紋匹配因子輸入至聯(lián)合模型中進(jìn)行識(shí)別判斷，輸出所述第二段語(yǔ)音信息是否屬于第一發(fā)言人之前，所述方法還包括：

預(yù)先獲取多個(gè)樣本組合，其中，每個(gè)樣本組合中包含有樣本聲源匹配因子和樣本聲紋匹配因子；

構(gòu)建具有初始輸入層、初始聲源判斷層、初始聲紋判斷層和初始輸出層的初始聯(lián)合模型；

為所述初始聲源判斷層設(shè)置聲源初始閾值，為所述聲紋判斷層設(shè)置初始聲紋閾值；

將一個(gè)樣本組合中的樣本聲源匹配因子和樣本聲紋匹配因子通過所述初始輸入層進(jìn)行輸入，所述輸入層將所述樣本聲源匹配因子發(fā)送至所述初始聲源判斷層，將所述樣本聲紋匹配因子發(fā)送至所述初始聲紋判斷層；

所述初始聲源判斷層判斷是否所述樣本聲源匹配因子≥聲源初始閾值是則輸出樣本聲源匹配成功發(fā)送至所述初始輸出層，否則輸出樣本聲源匹配失敗發(fā)送至所述初始輸出層；

所述初始聲紋判斷層判斷是否所述樣本聲紋匹配因子≥聲紋初始閾值是則輸出樣本聲紋匹配成功發(fā)送至所述初始輸出層，否則輸出樣本聲紋匹配失敗發(fā)送至所述初始輸出層；

所述初始輸出層接收到所述樣本聲源匹配成功和/或所述樣本聲紋匹配成功時(shí)，輸出結(jié)果為屬于同一個(gè)人，并將下一個(gè)樣本組合輸入至初始聯(lián)合模型進(jìn)行處理，否則輸出結(jié)果為空，利用對(duì)應(yīng)處理的樣本組合的樣本聲源匹配因子替換所述聲源初始閾值，利用對(duì)應(yīng)處理的樣本組合的樣本聲紋匹配因子替換所述聲紋初始閾值，再將下一個(gè)樣本組合輸入至初始聯(lián)合模型進(jìn)行訓(xùn)練處理；

當(dāng)所述初始聯(lián)合模型對(duì)所有的樣本組合全部訓(xùn)練處理完成后，將所述初始聯(lián)合模型作為聯(lián)合模型。