[发明专利]一种针对短语音的说话人识别模型的训练方法及装置

权利要求书

1.一种针对短语音的说话人识别模型的训练方法，其特征在于，包括：

从训练语料的语音数据中提取声学特征，包括，平衡说话人的性别和每个说话人语料规模的大小，然后融合所有用于训练的声学特征；

对所述训练语料的语音数据进行音素标注得到音素标注结果；

利用所述声学特征和所述音素标注结果进行音素相关的GMM-UBM模型训练，得到说话人相关且音素相关的GMM模型和UBM模型；

基于所述音素相关的GMM模型和UBM模型，针对每个音素生成用于提取i-vector特征的音素相关的i-vector总体变化矩阵；

利用所述音素相关的i-vector总体变化矩阵，从每个说话人数据中提取音素相关的i-vector参数，再通过对所述i-vector参数降维得到说话人相关且音素相关的i-vector特征，作为说话人模型。

2.如权利要求1所述的针对短语音的说话人识别模型的训练方法，其特征在于，所述声学特征至少包括：

美标度倒谱、能量以及二者的一阶时域差分和二阶时域差分。

3.如权利要求1所述的针对短语音的说话人识别模型的训练方法，其特征在于，所述音素为浊音音素。

4.如权利要求1所述的针对短语音的说话人识别模型的训练方法，其特征在于，所述进行音素标注至少包括：

标注音素名称及各个音素开始时间和结束时间。

5.如权利要求1所述的针对短语音的说话人识别模型的训练方法，其特征在于，所述进行音素标注，是通过人工或自动方式实现。

6.如权利要求1所述的针对短语音的说话人识别模型的训练方法，其特征在于，所述利用所述声学特征和所述音素标注结果进行音素相关的GMM-UBM模型训练，具体包括：

利用各个音素对应的所述声学特征，训练得到音素相关说话人无关的UBM模型；

在音素相关说话人无关的所述UBM模型基础上，通过自适应方法为每个说话人训练得到一个高斯混合模型，即说话人相关且音素相关的GMM模型。

7.一种使用如权利要求1-6任一项的所述训练方法训练的说话人识别模型进行针对短语音的说话人识别的方法，其特征在于，包括：

预先存储如下模型：音素识别模型、音素相关的UBM模型、音素相关的i-vector总体变化矩阵和说话人模型；所述说话人模型为说话人相关及音素相关的i-vector特征模型；

从输入语音数据中提取声学特征；

利用预先存储的所述音素识别模型和提取的所述声学特征进行音素识别，得到输入语音数据的音素标注结果；

利用所述声学特征和所述输入语音数据的音素标注结果，结合预先存储的所述音素相关的UBM模型和所述音素相关的i-vector总体变化矩阵，来提取i-vector特征；

将提取的所述i-vector特征输入至所述说话人模型进行打分，将得分最高的模型所对应的说话人作为识别结果，即目标说话人。

8.如权利要求7所述的说话人识别方法，其特征在于，所述利用得到的所述声学特征、所述输入语音的音素标注结果，结合预先存储的所述音素相关的UBM模型、所述音素相关的i-vector总体变化矩阵，来提取i-vector特征，具体包括如下步骤：

根据所述输入语音数据的音素标注结果，利用相应的声学特征自适应对应音素相关的UBM模型，进行音素相关的GMM训练得到待识别说话人音素相关的GMM模型；

将该GMM模型的均值超矢量在音素相关的i-vector总体变化矩阵上进行投影,得到i-vector参数；

对i-vector参数进行PLDA降维，得到该说话人音素相关的i-vector特征。