[发明专利]声纹模型重建方法、终端、装置及可读存储介质

权利要求书

1.一种声纹模型重建方法，其特征在于，所述的声纹模型重建方法包括以下步骤：

获取语音样本数据，基于所述语音样本数据生成初始声纹模型，其中，所述语音样本数据包括多个子语音样本数据；

基于所述初始声纹模型获取各个子语音样本数据的声纹特征向量，并基于K-Means算法以及各个声纹特征向量对所述语音样本数据进行聚类，将所述语音样本数据分成预设数量的子样本集；

基于所述预设数量的子样本集生成目标声纹模型。

2.如权利要求1所述的声纹模型重建方法，其特征在于，所述预设数量的子样本集包括第一子样本集、第二子样本集和第三子样本集，第一预设值小于第二预设值，所述基于K-Means算法以及各个声纹特征向量对所述语音样本数据进行聚类，将所述语音样本数据分成预设数量的子样本集的步骤包括：

基于所述K-Means算法计算各个声纹特征向量与预设的聚类中心的距离；

在所有距离中存在小于或等于所述第一预设值的第一子距离时，将所述第一子距离对应的子语音样本数据作为第一子样本集中的语音样本数据；

在所有距离中存在大于所述第一预设值且小于或等于所述第二预设值的第二子距离时，将所述第二子距离对应的子语音样本数据作为第二子样本集中的语音样本数据；

在所有距离中存在大于所述第二预设值的第三子距离时，将所述第三子距离对应的子语音样本数据作为第三子样本集中的语音样本数据。

3.如权利要求2所述的声纹模型重建方法，其特征在于，通过下述方式计算聚类中心：

计算各个声纹特征向量的平均值，将所述平均值作为所述聚类中心。

4.如权利要求2所述的声纹模型重建方法，其特征在于，所述基于所述预设数量的子样本集生成目标声纹模型的步骤包括：

基于所述第一子样本集生成第一声纹模型；

基于所述第一子样本集、所述第二子样本集、所述第三子样本集以及所述第一声纹模型生成目标声纹模型。

5.如权利要求4所述的声纹模型重建方法，其特征在于，所述基于所述第一子样本集、所述第二子样本集、所述第三子样本集以及所述第一声纹模型生成目标声纹模型的步骤包括：

基于所述第一子样本集、所述第二子样本集以及所述第一声纹模型生成第二声纹模型；

基于所述第一子样本集、所述第二子样本集、所述第三子样本集以及所述第二声纹模型生成目标声纹模型。

6.如权利要求1至5中任一项所述的声纹模型重建方法，其特征在于，所述基于所述预设数量的子样本集生成目标声纹模型的步骤之后，还包括：

在接收到声纹认证请求时，基于所述声纹认证请求获取待认证语音数据；

基于所述目标声纹模型确定所述待认证语音数据的声纹认证结果。

7.如权利要求6所述的声纹模型重建方法，其特征在于，所述基于所述目标声纹模型确定所述待认证语音数据的声纹认证结果的步骤之后，还包括：

在所述声纹认证结果为声纹认证通过时，发送声纹认证请求通过的提示信息至预设终端。

8.一种声纹模型重建装置，其特征在于，所述声纹模型重建装置包括：

获取模块，获取语音样本数据，基于所述语音样本数据生成初始声纹模型，其中，所述语音样本数据包括多个子语音样本数据；

处理模块，基于所述初始声纹模型获取各个子语音样本数据的声纹特征向量，并基于K-Means算法以及各个声纹特征向量对所述语音样本数据进行聚类，将所述语音样本数据分成预设数量的子样本集；

生成模块，基于所述预设数量的子样本集生成目标声纹模型。

9.一种终端，其特征在于，所述终端包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的声纹模型重建程序，所述声纹模型重建程序被所述处理器执行时实现如权利要求1至7中任一项所述的声纹模型重建方法的步骤。

10.一种可读存储介质，其特征在于，所述可读存储介质上存储有所述声纹模型重建程序，所述声纹模型重建程序被处理器执行时实现如权利要求1至7中任一项所述的声纹模型重建方法的步骤。