[发明专利]一种说话人确认方法及装置

权利要求书

1.一种说话人确认方法，其特征在于，包括：

获取第二语音；

将预先获取的第一语音和所述第二语音转换成对应的第一声谱图和第二声谱图；

使用卷积神经网络对所述第一声谱图和所述第二声谱图进行特征提取，获取对应的第一特征和第二特征；

使用时延神经网络对所述第一特征和所述第二特征进行特征提取，获取对应的第三特征和第四特征；

根据所述第三特征和所述第四特征对说话人进行确认；

其中，所述使用时延神经网络对所述第一特征和所述第二特征进行特征提取，获取对应的第三特征和第四特征，包括：

分别对所述第一语音和所述第二语音中的帧进行拼接；

对所述第一语音中拼接后的帧对应的所述第一特征和所述第二语音中拼接后的帧对应的所述第二特征进行降维；

对降维后的所述第一特征和第二特征进行线性变换，获取对应的第三特征和第四特征；在使用卷积神经网络对所述第一声谱图和所述第二声谱图进行特征提取之前，还包括：

对所述卷积神经网络和所述时延神经网络进行训练；

在训练前，获取需要确认的说话人的语音；

将需要确认的说话人的语音作为训练集；

在进行训练时，将所述需要确认的说话人的语音中的每一个帧作为学习样本；

经过所述卷积神经网络和所述时延神经网络两次特征提取后，计算所述两次特征提取前后该帧的特征之间的距离，确认该帧的说话人是否为该帧对应的说话人标签；

使用说话人确认的误差信息反向调整所述卷积神经网络和所述时延神经网络中的参数。

2.根据权利要求1所述的说话人确认方法，其特征在于，在使用时延神经网络对所述第一特征和所述第二特征进行特征提取之前，还包括：

对所述第一特征和所述第二特征进行降维。

3.根据权利要求1所述的说话人确认方法，其特征在于，对所述卷积神经网络和所述时延神经网络进行训练，包括：

使用交叉熵函数作为目标函数对所述卷积神经网络和所述时延神经网络进行训练。

4.一种说话人确认装置，其特征在于，包括：

获取单元，用于获取第二语音；

转换单元，用于将预先获取的第一语音和所述第二语音转换成对应的第一声谱图和第二声谱图；

第一提取单元，用于使用卷积神经网络对所述第一声谱图和所述第二声谱图进行特征提取，获取对应的第一特征和第二特征；

第二提取单元，用于使用时延神经网络对所述第一特征和所述第二特征进行特征提取，获取对应的第三特征和第四特征；

确认单元，用于根据所述第三特征和所述第四特征对说话人进行确认；

其中，所述第二提取单元包括：

拼接子单元，用于分别对所述第一语音和所述第二语音中的帧进行拼接；

第二降维子单元，用于对所述第一语音中拼接后的帧对应的所述第一特征和所述第二语音中拼接后的帧对应的所述第二特征进行降维；

变换子单元，用于对降维后的所述第一特征和第二特征进行线性变换，获取对应的第三特征和第四特征；

还包括：

训练单元，用于对所述卷积神经网络和所述时延神经网络进行训练；

在训练前，获取需要确认的说话人的语音；

将需要确认的说话人的语音作为训练集；

在进行训练时，将所述需要确认的说话人的语音中的每一个帧作为学习样本；

经过所述卷积神经网络和所述时延神经网络两次特征提取后，计算所述两次特征提取前后该帧的特征之间的距离，确认该帧的说话人是否为该帧对应的说话人标签；

使用说话人确认的误差信息反向调整所述卷积神经网络和所述时延神经网络中的参数。

5.根据权利要求4所述的说话人确认装置，其特征在于，还包括：

第一降维单元，用于对所述第一特征和所述第二特征进行降维。

6.根据权利要求4所述的说话人确认装置，其特征在于，所述训练单元具体用于：

使用交叉熵函数作为目标函数对所述卷积神经网络和所述时延神经网络进行训练。