[發明專利]聲紋聚類方法、裝置、存儲介質及電子裝置

在審

• 申請號: 202210243637.8
• 申請日: 2022-03-12
• 公開（公告）號: CN114464193A
• 公開（公告）日: 2022-05-10
• 發明（設計）人: 王明明;梁家恩
• 申請（專利權）人: 云知聲智能科技股份有限公司
• 主分類號: G10L17/02
• 分類號: G10L17/02;G10L17/14
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種聲紋聚類方法，其特征在于，包括：

獲取已知目標聲紋的用戶的第一標識信息；

提取每個語音片段的聲紋信息，使用聲紋模型，計算兩兩聲紋之間的相似度；

通過所述已知目標聲紋修正所述相似度；

將所述每個語音片段基于損失函數進行聚類，得到目標語音片段；

確定所述已知目標聲紋信息之間相似度滿足預設條件的目標語音片段，并將所述目標語音片段與所述已知目標聲紋進行聚類。

2.根據權利要求1所述的方法，其特征在于，所述提取每個語音片段的聲紋信息，包括：

從所述每個語音片段中提取語音特征；

將所述語音特征送入x-vector網絡，輸出所述每個語音片段的聲紋信息。

3.根據權利要求1所述的方法，其特征在于，所述通過所述已知目標聲紋修正所述相似度，包括：

將與所述已知聲紋一致的語音片段的相似度，設置為無窮大；

將與所述已知聲紋不一致的語音片段的相似度設置為無窮小。

4.根據權利要求1所述的方法，其特征在于，所述將所述每個語音片段基于損失函數進行聚類，得到目標語音片段，包括：

使用plda score的相反數作為所述損失函數，對所述每個語音片段集合中的聲紋進行聚類，得到所述目標語音片段，其中，所述目標語音片段包括一個或多個。

5.根據權利要求3中所述的方法，其特征在于，所述方法還包括：

在所述目標語音片段包括多個的情況下，確定每個目標語音片段的第二標識信息：

將與所述第一標識信息一致的第二標識信息，確定為所述已知目標聲紋聚類的目標語音片段。

6.一種聲紋聚類裝置，其特征在于，包括：

獲取單元，用于獲取已知目標聲紋的用戶的第一標識信息；

計算單元，用于提取每個語音片段的聲紋信息，使用聲紋模型，計算兩兩聲紋之間的相似度；

修正單元，用于通過所述已知目標聲紋修正所述相似度；

第一聚類單元，用于將所述每個語音片段基于損失函數進行聚類，得到目標語音片段；

第二聚類單元，用于確定所述已知目標聲紋信息之間相似度滿足預設條件的目標語音片段，并將所述目標語音片段與所述已知目標聲紋進行聚類。

7.根據權利要求6所述的裝置，其特征在于，所述計算單元，包括：

提取模塊，用于從所述每個語音片段中提取語音特征；

輸出模塊，用于將所述語音特征送入x-vector網絡，輸出所述每個語音片段的聲紋信息。

8.根據權利要求6所述的裝置，其特征在于，所述修正單元，包括：

第一修正模塊，用于將與所述已知聲紋一致的語音片段的相似度，設置為無窮大；

第二修正模塊，用于將與所述已知聲紋不一致的語音片段的相似度設置為無窮小。

9.根據權利要求6所述的裝置，其特征在于，所述第一聚類單元，包括：

聚類模塊，用于使用plda score的相反數作為所述損失函數，對所述每個語音片段集合中的聲紋進行聚類，得到所述目標語音片段，其中，所述目標語音片段包括一個或多個。

10.根據權利要求9中所述的裝置，其特征在于，所述裝置還包括：

第一確定模塊，用于在所述目標語音片段包括多個的情況下，確定每個目標語音片段的第二標識信息：

第二確定模塊，用于將與所述第一標識信息一致的第二標識信息，確定為所述已知目標聲紋聚類的目標語音片段。

11.一種計算機可讀的存儲介質，其特征在于，所述存儲介質中存儲有計算機程序，其中，所述計算機程序被設置為運行時執行所述權利要求1至5任一項中所述的方法。

12.一種電子裝置，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述處理器被設置為運行所述計算機程序以執行所述權利要求1至5任一項中所述的方法。