[发明专利]一种基于自注意力和迁移学习的声纹识别方法

权利要求书

1.一种基于自注意力和迁移学习的声纹识别方法，其特征在于，获取开源英文语音数据，构建一级基础数据集；获取开源中文语音数据，构建二级基础数据集；采集应用场景语音数据，构建应用场景数据集；基于注意力模型和一级基础数据集，训练一级基础模型；而后，在二级基础数据集上，对一级基础模型进行迁移微调训练，获取二级基础模型；最终，在具体的应用场景数据上，迁移微调二级基础模型，获得适应具体应用场景的最终模型；

在空间维度引入自注意力模型，通过空间维度的自相关性，筛选在空间维度对识别效果起作用的音频特征；在特征维度引入自注意力模型，通过特征维度之间的自相关性，筛选对识别效果起作用的特征维度成分。

2.根据权利要求1所述的一种基于自注意力和迁移学习的声纹识别方法，其特征在于，对一级基础数据集、二级基础数据集、应用场景数据集进行时间领域和频率领域的数据增强。

3.根据权利要求2所述的一种基于自注意力和迁移学习的声纹识别方法，其特征在于，在时间域，分别对一级基础数据集、二级基础数据集、应用场景数据集进行节奏、音高调整，以调节音频速度，然后添加随机噪声；在频率域，使用声道长度微扰对每一个音频的频谱特征施加一个随机的扭曲因子。

4.根据权利要求1所述的一种基于自注意力和迁移学习的声纹识别方法，其特征在于，在非约束条件下收集一级基础数据集。

5.根据权利要求1-4任一项所述的一种基于自注意力和迁移学习的声纹识别方法，其特征在于，所述音频特征先经过特征维度的注意力，再经过空间维度的注意力，进行注意力级联。

6.根据权利要求1所述的一种基于自注意力和迁移学习的声纹识别方法，其特征在于，针对注册信道和验证信道的差异性进行阈值控制，当注册和验证来自同一信道时，则选取较高阈值，当注册和验证来自相异信道时，则根据差异性大小选取较低或更低阈值。