[发明专利]文本无关说话人验证方法和装置有效
申请号: | 201910511775.8 | 申请日: | 2019-06-13 |
公开(公告)号: | CN110232928B | 公开(公告)日: | 2021-05-25 |
发明(设计)人: | 俞凯;钱彦旻;杨叶新;王帅;黄厚军 | 申请(专利权)人: | 思必驰科技股份有限公司 |
主分类号: | G10L17/00 | 分类号: | G10L17/00;G10L17/20;G10L25/03 |
代理公司: | 北京商专永信知识产权代理事务所(普通合伙) 11400 | 代理人: | 方挺;邓婷婷 |
地址: | 215123 江苏省苏州市苏*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 文本 无关 说话 验证 方法 装置 | ||
1.一种文本无关说话人验证方法,包括:
提取待验证语音的幅度特征和与所述幅度特征对应的相位特征;
对所述幅度特征和所述相位特征进行处理以得到相位感知特征;
对所述相位感知特征进行说话人分类以得到说话人嵌入;
对所述说话人嵌入进行概率线性判断分析以得到对所述待验证语音的说话人验证结果;
其中,所述对所述幅度特征和所述相位特征进行处理以得到相位感知特征包括:将所述幅度特征、所述相位特征的正弦值和所述相位特征的余弦值拼接成三通道输入;将所述三通道输入输入至具有残差网络结果的深度神经网络,经过卷积层和残差层对所述幅度特征和所述相位特征进行融合以得到相位感知特征。
2.根据权利要求1所述的方法,其中,所述对所述幅度特征和所述相位特征进行处理以得到相位感知特征包括:
将所述幅度特征、所述相位特征的正弦值和所述相位特征的余弦值分别通过具有残差网络结果的深度神经网络,通过独立的卷积层和独立的残差层以得到处理后的特征;
将所述处理后的特征进行相加处理以得到相位感知特征。
3.根据权利要求1或2所述的方法,其中,所述幅度特征包括:感知线性预测、梅尔倒谱频率特征和滤波器组特征。
4.根据权利要求3所述的方法,其中,所述对所述相位感知特征进行说话人分类以得到说话人嵌入包括:
将相位感知特征通过预设层数的残差网络进行说话人分类任务学习,在所述残差网络训练完成后,输入包含相位信息的音频特征,所述残差网络的中间层输出说话人嵌入。
5.根据权利要求4所述的方法,其中,所述对所述说话人嵌入进行概率线性判断分析以得到对所述待验证语音的说话人验证结果包括:
对得到的所述说话人嵌入进行概率线性判断分析以生成打分;
若所述打分大于等于预设阈值,所述待验证语音的说话人验证通过;
若所述打分小于预设阈值,所述待验证语音的说话人验证不通过。
6.根据权利要求5所述的方法,其中,所述提取待验证语音的幅度特征和与所述幅度特征对应的相位特征包括:
使用滑动窗口将待验证语音的信号分段为帧信号序列;
将短时傅里叶变换或快速傅式变换应用于所述帧信号序列,其中,所述短时傅里叶变换或快速傅式变换的输出即为幅度特征和与所述幅度特征对应的相位特征。
7.一种文本无关说话人验证装置,包括:
提取模块,配置为提取待验证语音的幅度特征和与所述幅度特征对应的相位特征;
处理模块,配置为对所述幅度特征和所述相位特征进行处理以得到相位感知特征;
分类模块,配置为对所述相位感知特征进行说话人分类以得到说话人嵌入;
验证模块,配置为对所述说话人嵌入进行概率线性判断分析以得到对所述待验证语音的说话人验证结果;
其中,所述处理模块进一步配置为将所述幅度特征、所述相位特征的正弦值和所述相位特征的余弦值拼接成三通道输入;将所述三通道输入输入至具有残差网络结果的深度神经网络,经过卷积层和残差层对所述幅度特征和所述相位特征进行融合以得到相位感知特征。
8.一种电子设备,其包括:至少一个处理器,以及与所述至少一个处理器通信连接的存储器,其中,所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1至6任一项所述方法的步骤。
9.一种存储介质,其上存储有计算机程序,其特征在于,所述程序被处理器执行时实现权利要求1至6任一项所述方法的步骤。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于思必驰科技股份有限公司,未经思必驰科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910511775.8/1.html,转载请声明来源钻瓜专利网。
- 上一篇:说话人验证反欺骗方法和装置
- 下一篇:用于对音频信号进行译码的译码器和方法