[發明專利]說話人識別方法、裝置、計算機設備及存儲介質

在審

• 申請號: 202110735212.4
• 申請日: 2021-06-30
• 公開（公告）號: CN113436633A
• 公開（公告）日: 2021-09-24
• 發明（設計）人: 張之勇;王健宗
• 申請（專利權）人: 平安科技（深圳）有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/12
• 代理公司: 深圳市世聯合知識產權代理有限公司 44385
• 代理人: 汪琳琳

1.一種說話人識別方法，其特征在于，包括下述步驟：

獲取混合語音以及目標說話人的參考語音；

通過參考提取模型從所述參考語音中提取參考語音表征；

將所述參考語音表征輸入混合提取模型，以指示所述混合提取模型根據所述參考語音表征，從所述混合語音中獲取所述目標說話人的估計掩膜，所述估計掩膜中的掩碼與所述混合語音中的語音信號點一一對應；

將所述估計掩膜中的掩碼和所述混合語音中的語音信號點對應相乘，得到所述目標說話人的預測語音；

計算所述預測語音和所述參考語音的概率線性判斷得分；

當所述概率線性判斷得分處于預設的分值區間時，確定所述混合語音中包含所述目標說話人的語音。

2.根據權利要求1所述的說話人識別方法，其特征在于，所述獲取混合語音以及目標說話人的參考語音的步驟之前，還包括：

獲取針對目標說話人的訓練標準語音、訓練參考語音和訓練混合語音，所述訓練混合語音是在所述訓練標準語音中添加干擾語音得到的；

根據所述訓練標準語音、所述訓練參考語音和所述訓練混合語音對初始參考提取模型和初始混合提取模型進行訓練，得到參考提取模型和混合提取模型。

3.根據權利要求2所述的說話人識別方法，其特征在于，所述根據所述訓練標準語音、所述訓練參考語音和所述訓練混合語音對初始參考提取模型和初始混合提取模型進行訓練，得到參考提取模型和混合提取模型的步驟包括：

通過初始參考提取模型從所述訓練參考語音中提取參考語音表征；

將所述參考語音表征輸入初始混合提取模型，以指示所述初始混合提取模型根據所述參考語音表征，從所述訓練混合語音中提取所述目標說話人的估計掩膜和預測語音；

基于所述估計掩膜、所述預測語音、所述訓練標準語音和所述訓練混合語音計算聯合損失；

根據所述聯合損失對所述初始參考提取模型和所述初始混合提取模型進行調整，直至所述聯合損失滿足訓練停止條件，得到參考提取模型和混合提取模型。

4.根據權利要求3所述的說話人識別方法，其特征在于，所述將所述參考語音表征輸入初始混合提取模型，以指示所述初始混合提取模型根據所述參考語音表征，從所述訓練混合語音中提取所述目標說話人的估計掩膜和預測語音的步驟包括：

將所述參考語音表征輸入初始混合提取模型，以指示所述初始混合提取模型將所述參考語音表征作為先驗信息，從所述訓練混合語音中提取所述目標說話人的預測表征；

將所述預測表征輸入所述初始混合提取模型中的掩膜計算層，得到估計掩膜，所述估計掩膜中的掩碼與所述訓練混合語音中的語音信號點一一對應；

將所述估計掩膜中的掩碼和所述訓練混合語音中的語音信號點進行對應點乘，得到所述目標說話人的預測語音。

5.根據權利要求4所述的說話人識別方法，其特征在于，所述初始混合提取模型包括若干層順序相連的預測表征提取層；所述將所述參考語音表征輸入初始混合提取模型，以指示所述初始混合提取模型將所述參考語音表征作為先驗信息，從所述訓練混合語音中提取所述目標說話人的預測表征的步驟包括：

將所述參考語音表征和所述訓練混合語音進行拼接，并輸入第一層預測表征提取層，所述參考語音表征為先驗信息，所述訓練混合語音為來源信息，所述先驗信息用于指示預測表征提取層從所述來源信息中提取預測表征；

對于第一層以后的預測表征提取層，將所述參考語音表征和所述預測表征進行拼接，并輸入下一層預測表征提取層進行迭代，直至最后一層預測表征提取層，所述參考語音表征為先驗信息，所述預測表征為來源信息，所述先驗信息用于指示預測表征提取層從所述來源信息中提取預測表征；

將所述最后一層預測表征提取層輸出的預測表征確定為所述目標說話人的預測表征。