[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

本發明公開了一種聲紋聚類方法、裝置、存儲介質及電子裝置。其中，該聲紋聚類方法包括：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；通過已知目標聲紋修正相似度；將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，并將目標語音片段與已知目標聲紋進行聚類，即利用已知信息，人為修改他們之間的相似度，由于已分組的組的距離無窮大，這樣相當于增大組間的邊界，從而間接的減少分類錯誤的概率，解決了現有技術中，由于原始語音短，提取聲紋信息不準確導致的聚類結果錯誤率高的技術問題。

技術領域

本發明涉及金融相關領域，具體而言，涉及一種聲紋聚類方法、裝置、存儲介質及電子裝置。

背景技術

隨著社會的發展，各種語音信息的識別應用在更多的領域中，語音識別設計語音的聚類，聚類后的語音識別將會更準確。其中，主流的聲紋聚類流程是：輸入待聚類聲紋集-計算聲紋兩兩之間的相似度-基于聲紋之間的相似度進行盲聚類(例如：層次聚類，譜聚類，K-means等)。

根據盲聚類的原理，聚類開始的狀態，每個聲紋自成一組，此時假如有些聲紋信息擾動較大，跟其他聲紋做出錯誤的合并，這個錯誤會繼續影響接下來的合并，這樣一步步下去，錯誤會越來越嚴重，導致最后聚類錯誤率很高。

針對上述的問題，目前尚未提出有效的解決方案。

發明內容

本發明實施例提供了一種聲紋聚類方法、裝置、存儲介質及電子裝置，以至少解決現有技術中，由于原始語音短，提取聲紋信息不準確導致的聚類結果錯誤率高的問題。

根據本發明實施例的一個方面，提供了一種聲紋聚類方法，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。

可選的，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。

可選的，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。

可選的，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。

可選的，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。

根據本發明實施例的另一方面，還提供了一種聲紋聚類裝置，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。

可選的，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。