[发明专利]用于处理语音数据的方法和装置

权利要求书

1.一种用于处理语音数据的方法，其特征在于，所述方法包括：

接收用户终端发送的语音数据；

提取所述语音数据中的声纹特征向量；

将所述声纹特征向量与预先存储的所述用户的注册声纹向量进行匹配，并生成所述声纹特征向量与所述注册声纹向量之间的匹配度；

确定所述匹配度是否大于等于预设的更新阈值；

响应于确定出所述匹配度大于等于预设的更新阈值，则利用所述声纹特征向量和所述语音数据更新所述注册声纹向量；其中，

所述利用所述声纹特征向量和所述语音数据更新所述注册声纹向量包括：

获取用户输入的注册语音数据的数量和所述用户已存储的各个声纹特征向量；

根据所述用户已存储的各个声纹特征向量、所述用户已存储的语音数据的数量、所述注册语音数据的数量和所述注册声纹向量，更新注册声纹向量。

2.根据权利要求1所述的方法，其特征在于，所述提取所述语音数据中的声纹特征向量，包括：

将所述语音数据导入预先训练的全局背景模型中进行映射得到中间向量；

将所述中间向量进行特征变换得到声纹特征向量。

3.根据权利要求1所述的方法，其特征在于，在所述将所述声纹特征向量与预先存储的所述用户的注册声纹向量进行匹配之前，所述方法还包括生成注册声纹向量的步骤，包括：

获取所述用户输入的预设数目个注册语音数据；

将所述预设数目个注册语音数据导入预先训练的全局背景模型中进行映射得到预设数目个等长的中间向量；

对所述预设数目个等长的中间向量进行特征变换得到预设数目个注册声纹特征向量；

对所述预设数目个注册声纹特征向量进行融合，生成所述用户的注册声纹向量。

4.根据权利要求1所述的方法，其特征在于，所述根据所述用户已存储的各个声纹特征向量、所述用户已存储的语音数据的数量、所述注册语音数据的数量和所述注册声纹向量，更新注册声纹向量，包括：

对所述用户已存储的各个声纹特征向量进行数据标准化运算，并对数据标准化运算后的向量进行求和运算，得到所述用户已存储的声纹特征向量之和；

利用所述注册语音数据的数量乘以所述注册声纹向量，得到注册声纹向量之积；

计算所述声纹特征向量之和与所述注册声纹向量之积的向量和，并计算所述用户已存储的语音数据的数量与所述注册语音数据的数量的数量和，利用所述向量和除以所述数量和得到更新的注册声纹向量。

5.根据权利要求1所述的方法，其特征在于，在所述更新注册声纹向量之后，所述方法包括：

删除所述用户已存储的语音数据。

6.根据权利要求3所述的方法，其特征在于，所述获取所述用户输入的预设数目个注册语音数据，包括：

获取所述用户已存储的语音数据以及所述语音数据的相关信息，其中，所述相关信息包括语音数据的输入时间点；

删除所述输入时间点早于预设的时间分割点的语音数据，并将删除后的语音数据作为注册语音数据。

7.根据权利要求3所述的方法，其特征在于，所述获取所述用户输入的预设数目个注册语音数据，还包括：

利用聚类算法对所述用户已存储的语音数据进行聚类，生成至少一个已存储的语音数据的簇；

获取各个簇的中心点；

利用距离算法计算每个已存储的语音数据与每个已存储的语音数据所在簇的中心点的距离；

删除所述距离大于预设的距离阈值的语音数据，并将删除后的语音数据作为注册语音数据。

8.根据权利要求7所述的方法，其特征在于，语音数据的相关信息还包括以下至少一项：语音数据的采集设备类型、语音数据的输入地点；以及在所述生成至少一个已存储的语音数据的簇之后，所述方法还包括：

获取各个簇中的语音数据以及所述各个簇中的语音数据的相关信息；

利用各个簇的语音数据重新生成所述用户的各个注册声纹向量，并根据所述各个簇的语音数据的相关信息生成各个注册声纹向量的相关信息。