[发明专利]一种语音身份特征提取器、分类器训练方法及相关设备

说明书

本发明实施例提供一种语音身份特征提取器、分类器训练方法及相关设备，该语音身份特征提取器训练方法包括：提取训练语音的语音特征向量；根据训练语音的语音特征向量，确定相应的I‑vector；以I‑vector作为神经网络模型的第一目标输出，对神经网络模型的权重进行调整，得到第一神经网络模型；获取目标检测语音的语音特征向量，确定第一神经网络模型对目标检测语音的语音特征向量的输出结果；根据输出结果，确定身份因子隐变量；估计身份因子隐变量的后验均值，以后验均值作为第一神经网络模型的第二目标输出，调整第一神经网络模型的权重，得到语音身份特征提取器。通过本发明实施例可训练得到新型的语音身份特征提取器，为高可靠性的新型的语音身份特征的提取提供了可能。

技术领域

本发明涉及语音技术领域，具体涉及一种语音身份特征提取器、分类器训练方法及相关设备。

背景技术

语音由于采集简便、易于存储、难于模仿等特性在越来越多的身份识别场景中得到应用，为涉及信息安全保密的场所解决了诸多的信息安全问题。基于语音的说话人身份识别可分为说话人辨认(Speaker Identification)和说话人确认(SpeakerVerification)两类；说话人辨认主要是基于说话人说出的待测语音，判断说话人是否属于已注册的说话人集合中的一位，是一对多的识别问题；说话人确认是基于说话人说出的待测语音，判断说话人是否为已注册的一个目标说话人，是一对一的确认问题。

基于语音进行说话人身份识别时，需要基于说话人的语音提取出表达说话人身份信息的语音身份特征，通过预先训练的分类器对该语音身份特征进行处理，从而实现说话人的身份识别。目前，主要采用I-vector(身份因子，Identity-vector)作为语音身份特征，虽然I-vector能够反映说话人声学差异，是目前常用的进行说话人身份识别的语音身份特征，但本发明的发明人发现：I-vector的可靠性建立在要求较为严格的语音上，在语音时长较短等不符合要求的情况下，I-vector的可靠性将极大的降低。

因此如何提供一种新型的语音身份特征提取器，实现区别于I-vector的新型的语音身份特征的提取，以提升语音身份特征的可靠性，成为了本领域技术人员需要考虑的问题。

发明内容

有鉴于此，本发明实施例提供一种语音身份特征提取器、分类器训练方法及相关设备，以提供新型的语音身份特征提取器，实现高可靠性的新型的语音身份特征的提取；进一步，基于该新型的语音身份特征实现说话人身份识别，提升说话人身份识别的准确性。

为实现上述目的，本发明实施例提供如下技术方案：

一种语音身份特征提取器训练方法，包括：

提取训练语音的语音特征向量；

根据所述训练语音的语音特征向量，确定所述训练语音相应的I-vector；

以所述I-vector作为神经网络模型的第一目标输出，对神经网络模型的权重进行调整，得到第一神经网络模型；

获取目标检测语音的语音特征向量，确定所述第一神经网络模型对所述目标检测语音的语音特征向量的输出结果；

根据所述输出结果，确定身份因子隐变量；

估计身份因子隐变量的后验均值，以所述后验均值作为所述第一神经网络模型的第二目标输出，调整所述第一神经网络模型的权重，得到语音身份特征提取器。

本发明实施例还提供一种分类器训练方法，包括：

获取目标说话人的目标检测语音；

提取所述目标检测语音的语音特征向量；

调用预训练的语音身份特征提取器，将所述目标检测语音的语音特征向量输入语音身份特征提取器，得到相应的语音身份特征；其中，所述语音身份特征提取器以身份因子隐变量为目标输出训练得到；