[發(fā)明專利]聲紋聚類方法、聲紋識別方法、裝置及電子設(shè)備

在審

• 申請?zhí)枺?/td>: 202210049511.7
• 申請日: 2022-01-17
• 公開（公告）號: CN114512135A
• 公開（公告）日: 2022-05-17
• 發(fā)明（設(shè)計）人: 孟慶林;蔣寧;吳海英;王洪斌;劉敏;陳燕麗
• 申請（專利權(quán)）人: 馬上消費(fèi)金融股份有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/04;G10L17/18;G06K9/62
• 代理公司: 北京銀龍知識產(chǎn)權(quán)代理有限公司 11243
• 代理人: 湯明明

1.一種聲紋聚類方法，其特征在于，包括：

對語音聲紋特征向量進(jìn)行轉(zhuǎn)置操作，得到轉(zhuǎn)置操作后的語音聲紋特征向量；

對所述語音聲紋特征向量和所述轉(zhuǎn)置操作后的語音聲紋特征向量進(jìn)行內(nèi)積操作，得到交叉相似度矩陣，所述交叉相似度矩陣包括多行第一特征向量；

遍歷所述第一特征向量，并計算多行所述第一特征向量中的目標(biāo)特征向量與其他行第一特征向量之間的相似度；

將所述目標(biāo)特征向量和第二特征向量進(jìn)行聚類，得到目標(biāo)語音聲紋特征向量，其中，所述第二特征向量為其他行第一特征向量中與所述目標(biāo)特征向量之間的相似度最大的向量，且所述目標(biāo)特征向量與所述第二特征向量對應(yīng)的說話人相同。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述計算多行所述第一特征向量中的目標(biāo)特征向量與其他行第一特征向量之間的相似度，包括：

根據(jù)所述目標(biāo)特征向量對應(yīng)的分?jǐn)?shù)與其他行第一特征向量的分?jǐn)?shù)，計算所述目標(biāo)特征向量與其他行第一特征向量之間的相似度。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述將所述目標(biāo)特征向量和第二特征向量進(jìn)行聚類，得到目標(biāo)語音聲紋特征向量，包括：

在所述目標(biāo)特征向量對應(yīng)的分?jǐn)?shù)和所述第二特征向量對應(yīng)的分?jǐn)?shù)之間的差值小于預(yù)設(shè)閾值的情況下，將所述目標(biāo)特征向量和第二特征向量進(jìn)行聚類，得到目標(biāo)語音聲紋特征向量；

在所述目標(biāo)特征向量對應(yīng)的分?jǐn)?shù)和所述第二特征向量對應(yīng)的分?jǐn)?shù)之間的差值大于或等于預(yù)設(shè)閾值的情況下，停止將所述目標(biāo)特征向量和第二特征向量進(jìn)行聚類。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述對語音聲紋特征向量進(jìn)行轉(zhuǎn)置操作，得到轉(zhuǎn)置操作后的語音聲紋特征向量之前，所述方法還包括：

將N通錄音輸入至說話人分割模型中，輸出M個語音段，每個語音段只對應(yīng)一個說話人；

將M個所述語音段按照對應(yīng)的說話人進(jìn)行合并，得到L個語音文件，每個語音文件只對應(yīng)一個說話人；

將L個所述語音文件中的目標(biāo)語音文件輸入至聲紋注冊網(wǎng)絡(luò)中，以得到所述語音聲紋特征向量，所述目標(biāo)語音文件與所述語音聲紋特征向量一一對應(yīng)，所述M、所述N和所述L均為正整數(shù)。

5.根據(jù)權(quán)利要求4所述的方法，其特征在于，所述將L個語音文件中的目標(biāo)語音文件輸入至聲紋注冊網(wǎng)絡(luò)中，以得到所述語音聲紋特征向量之前，所述方法還包括：

根據(jù)L個所述語音文件的說話人類型確定所述目標(biāo)語音文件。

6.一種聲紋識別方法，其特征在于，所述方法包括：

將待識別語音文件輸入至聲紋注冊網(wǎng)絡(luò)中，得到第一語音聲紋特征向量；

將所述第一語音聲紋特征向量輸入至聲紋識別模型中進(jìn)行識別處理，輸出識別結(jié)果；其中，所述識別處理的具體實(shí)現(xiàn)方式有：將所述第一語言聲紋特征向量與所述聲紋識別模型關(guān)聯(lián)的所有的目標(biāo)語音聲紋特征向量進(jìn)行對比；根據(jù)特征向量對比結(jié)果確定所述識別結(jié)果；所述目標(biāo)語音聲紋特征向量為根據(jù)權(quán)利要求1-5任一項所述的聲紋聚類方法確定的。

7.一種聲紋聚類裝置，其特征在于，包括：

轉(zhuǎn)置模塊，用于對語音聲紋特征向量進(jìn)行轉(zhuǎn)置操作，得到轉(zhuǎn)置操作后的語音聲紋特征向量；

內(nèi)積模塊，用于對所述語音聲紋特征向量和所述轉(zhuǎn)置操作后的語音聲紋特征向量進(jìn)行內(nèi)積操作，得到交叉相似度矩陣，所述交叉相似度矩陣包括多行第一特征向量；

計算模塊，用于遍歷所述第一特征向量，并計算多行所述第一特征向量中的目標(biāo)特征向量與其他行第一特征向量之間的相似度；

聚類模塊，用于將所述目標(biāo)特征向量和第二特征向量進(jìn)行聚類，得到目標(biāo)語音聲紋特征向量，其中，所述第二特征向量為其他行第一特征向量中與所述目標(biāo)特征向量之間的相似度最大的向量，且所述目標(biāo)特征向量與所述第二特征向量對應(yīng)的說話人相同。