[发明专利]一种识别说话人的方法及终端

说明书

本发明适用于计算机技术领域，提供了一种识别说话人的方法及终端，该方法包括：获取待识别的目标声音信息；使用预设的神经网络模型对目标声音信息进行处理，提取目标声音信息的目标特征向量；使用所述神经网络模型对所述目标特征向量进行处理，得到目标特征向量与标签向量之间的损失值，所述损失值包括角度损失值以及距离损失值；基于所述损失值，确定所述目标声音信息对应的身份识别结果。本发明实施例，使用预设的神经网络模型提取待识别的目标声音信息的目标特征向量，能够准确提取说话人的语音特征，通过计算目标特征向量与标签向量之间的损失值，能够准确分析声音信息的特征向量与已知的标签向量之间的差异，提高身份识别结果的准确度。

技术领域

本发明属于计算机技术领域，尤其涉及一种识别说话人的方法及终端。

背景技术

随着信息技术和网络技术的迅猛发展，人们对身份识别技术的需求越来越多。基于传统密码认证的身份识别技术在实际应用中已经暴露出许多不足之处(例如安全可靠性较低)，而基于生物特征辨别的身份识别技术近年来也日益成熟并在实际应用中展现出其优越性。其中，声纹识别技术便是基于生物特征辨别的身份识别技术之一。

声纹是指说话人语音频谱的信息图。由于每个人的发音器官不同，所发出来的声音及其音调各不相同，因此，以声纹作为基本特征进行身份识别具有不可替代性和稳定性。

声纹识别有文本相关的(Text-Dependent)和文本无关的(Text-Independent)两种。与文本有关的声纹识别系统要求用户按照规定的内容发音，每个人的声纹模型逐个被精确地建立，而识别时也必须按规定的内容发音，只要用户发出相关内容的声音就可以识别该用户的身份，如果用户的发音与规定的内容不符合，则无法正确识别该用户。而与文本无关的识别系统则不规定说话人的发音内容，只要系统中录有说话人的声音，就能识别出说话人的身份。

由于文本无关型的声纹识别方法具有用户使用方便、应用范围较宽的特点，人们在实际应用中通常采用文本无关型的声纹识别方法进行身份识别。

然而，文本无关型的声纹识别方法需要提取说话人的语音特征，对于复杂的声纹语音信息(例如，短话音、模仿语音等)，文本无关型的声纹识别系统无法准确提取说话人的语音特征，从而导致无法准确识别说话人的身份。

发明内容

有鉴于此，本发明实施例提供了一种识别说话人的方法及终端，以解决现有技术中，对于复杂的声纹语音信息(例如，短话音、模仿语音等)，文本无关型的声纹识别系统无法准确提取说话人的语音特征，从而导致无法准确识别说话人的身份的问题。

本发明实施例的第一方面提供了一种识别说话人的方法，包括：

获取待识别的目标声音信息；

使用预设的神经网络模型对所述目标声音信息进行处理，提取所述目标声音信息的目标特征向量；其中，所述神经网络模型是通过使用机器学习算法对声音样本集进行训练得到，在训练过程中，所述神经网络模型的输入为所述声音样本集的声音信息，所述神经网络模型的输出为所述声音样本对应的身份识别结果；

使用所述神经网络模型对所述目标特征向量进行处理，得到所述目标特征向量与标签向量之间的损失值，所述损失值包括角度损失值以及距离损失值；

基于所述损失值，确定所述目标声音信息对应的身份识别结果。

本发明实施例的第二方面提供了一种终端，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现以下步骤：

获取待识别的目标声音信息；