[发明专利]语音认证方法和信息处理设备

说明书

提供了语音认证方法和信息处理设备。信息处理设备包括处理器，处理器被配置为：从预定元素集中随机选择至少一个元素；得到被测用户对所选元素的语音输入；将被测用户对每个所选元素的语音输入输入到预训练的神经网络模型，并提取该神经网络模型的一个层的输出数据，作为能够表征被测用户身份以及该元素的综合特征；将所获得的被测用户的关于每个所选元素的综合特征与基于特定用户对该元素的语音输入利用预训练的神经网络模型获得的综合特征进行比较，以至少部分地基于综合特征比较的结果判断被测用户是否为特定用户，其中，预训练的神经网络模型是利用训练语音数据通过以识别说话人身份和预定元素集中的元素作为联合任务进行训练而获得的。

技术领域

本公开总体上涉及语音处理领域，具体而言，涉及基于文本相关的说话人确认的语音认证方法、能够实现该语音认证方法的信息处理设备和存储介质。

背景技术

说话人确认是一种通过语音来确认该语音的说话人身份是否为指定说话人的技术，也称为声纹确认。基于说话人确认的语音认证技术可以应用在信息安全、身份认证等场景，其在法院、医院、银行和军事机构等有很多重要应用。

目前，实现说话人确认的方式包括文本无关的说话人确认以及文本相关的说话人确认。相较于传统的文本无关的说话人确认，文本相关的说话人确认同时确认语音的说话人身份以及语音的内容是否为指定内容，具有更快的处理速度，因而越来越受到广泛关注。

因此，文本相关的说话人确认具有重要的应用价值。

发明内容

在下文中给出了关于本发明的简要概述，以便提供关于本发明的某些方面的基本理解。应当理解，这个概述并不是关于本发明的穷举性概述。它并不是意图确定本发明的关键或重要部分，也不是意图限定本发明的范围。其目的仅仅是以简化的形式给出某些概念，以此作为稍后论述的更详细描述的前序。

鉴于对现有的文本相关的说话人确认技术进行改进的需求，本发明的目的之一是提供一种语音认证方法以及能够实现该语音认证方法的信息处理设备和存储介质，其能够进行文本相关的用户身份确认。

根据本公开的一个方面，提供了一种语音认证方法，其包括：从预定元素集中随机选择至少一个元素；得到被测用户对所选元素的语音输入；将被测用户对每个所选元素的语音输入输入到预训练的神经网络模型，并提取该神经网络模型的一个层的输出数据，作为能够表征被测用户身份以及该元素的综合特征；以及将所获得的被测用户的关于每个所选元素的综合特征与基于特定用户对该元素的语音输入利用预训练的神经网络模型获得的综合特征进行比较，以至少部分地基于综合特征比较的结果判断被测用户是否为特定用户，其中，预训练的神经网络模型是利用训练语音数据通过以识别说话人身份和预定元素集中的元素作为联合任务进行训练而获得的。

根据本公开的另一方面，提供了一种语音认证设备，其包括：元素选择单元，用于从预定元素集中随机选择至少一个元素；语音输入单元，用于得到被测用户对所选元素的语音输入；特征提取单元，用于将被测用户对每个所选元素的语音输入输入到预训练的神经网络模型，并提取该神经网络模型的一个层的输出数据，作为能够表征被测用户身份以及该元素的综合特征；特征比较单元，用于将所获得的被测用户的关于每个所选元素的综合特征与基于特定用户对该元素的语音输入利用预训练的神经网络模型获得的综合特征进行比较；以及判断单元，用于至少部分地基于综合特征比较的结果判断被测用户是否为特定用户。在综合特征提取单元中使用的预训练的神经网络模型是利用训练语音数据，通过以识别说话人身份和预定元素集中的元素作为联合任务进行训练而获得的。