[发明专利]对通用背景模型和登记说话者模型进行文本转录适配的说话者验证计算机系统

说明书

采样语音数据序列包含说话者所说的单词。产生表征采样语音数据的频谱分布的特征向量序列。获得说话者所说的单词的文本转录。响应于文本转录适配高斯混合模型的通用背景模型(UBM‑GMM)和登记说话者高斯混合模型(ENR‑GMM)的数据结构，以分别产生适配的UBM‑GMM和适配的ENR‑GMM。基于特征向量序列和适配的ENR‑GMM产生登记说话者概率，并且基于特征向量序列和适配的UBM‑GMM产生通用说话者概率。通过将登记说话者概率与通用说话者概率进行比较来产生说话者是否是登记说话者的说话者验证指示。

技术领域

本发明涉及语音处理，更具体地涉及说话者的自动验证。

背景技术

说话者验证系统的目标是确定具有未知或可疑身份的说话者是否说出测试话语(即，确定未知语音是否来自特定的登记说话者)。通常通过定义2级假设测试来将问题正式化：

H₀：测试的说话者是目标说话者， (1)

H₁：测试的说话者不是目标说话者。

令x^enr表示可用于离线训练的登记(enr)说话者的总特征空间(大量D维特征向量)。然后，一种方法是通过表示为λ^enr的模型来表示H₀，该模型表征假设的说话者(特征空间x^enr的统计数据)。备选假设H₁由捕获冒名顶替的说话者的空间的统计数据的模型λ^ubm表示。

令x＝[x₁，x₂，…，x_N]是从测试话语中提取的N个D维特征向量的序列。为了执行验证，使用从测试话语中提取的特征序列x来测试H₀和H₁(测试数据与模型匹配以计算验证分数)。这是通过计算x的对数似然值来完成的，给定模型λ来构造如下等式：

Λ(x)＝log(p(x|λ^enr))-log(p(x|λ^ubm)) (2)

其中，λ^enr是表征假设的登记说话者的模型，λ^ubm是表征所有登记说话者的通用背景模型(UBM)。对数似然距离Λ测量对于测试话语而言与UBM相比登记说话者模型得分更好多少。可以基于以下关系来解假设测试：

如果Λ(x)＞θ接受H₀， (3)

如果Λ(x)≤θ接受H₁

其中，θ是离线优化的阈值级别。

高斯混合模型(GMM)是在独立于文本的说话者验证应用中对特征空间的分布进行建模的主要方法。因此，λ表示具有K个分量的GMM的权重、平均向量和协方差矩阵参数，

换句话说，基于以下等式将概率分布建模为K个分量(高斯密度)Φ_k具有权重u_k的叠加：

其中，关于n求和累加来自测试序列x中的各个特征向量x_n的贡献。分量Φ_k是基于以下等式通过均值μ_k和协方差∑_k的集合来确定的：