[发明专利]声纹识别方法及装置、计算机存储介质、电子设备

权利要求书

1.一种声纹识别方法，其特征在于，包括：

获取待识别语音中包含的人声语音；

提取所述人声语音对应的第一声学特征，将所述第一声学特征输入声纹识别模型中得到所述待识别语音对应的初步声纹识别结果，其中，所述初步声纹识别结果包括多种声纹属性分别对应的属性预测结果；

根据所述多种声纹属性分别对应的属性预测结果确定所述待识别语音对应的说话人识别结果；

其中，所述获取待识别语音中包含的人声语音，包括：

提取所述待识别语音对应的第二声学特征；

将人声音素分别与多段所述第二声学特征进行比对，得到表征比对结果的特征向量；

若所述特征向量中的目标分量的数值不是最大值，则确定所述第二声学特征为人声声学特征；

获取所述人声声学特征对应的多段人声片段；

对所述多段人声片段进行拼接处理，得到所述待识别语音中包含的所述人声语音。

2.根据权利要求1所述的方法，其特征在于，所述提取所述待识别语音对应的第二声学特征，包括：

对所述待识别语音进行预加重处理，得到目标语音信号；

对所述目标语音信号进行分帧处理，得到分帧结果；

对所述分帧结果进行加窗处理，得到加窗信号；

对所述加窗信号进行快速傅里叶变换，得到频谱信息；

对所述频谱信息进行取模平方以得到功率谱；

将所述功率谱输入三角形滤波器组，得到所述三角形滤波器组输出的对数能量谱；

将所述对数能量谱确定为所述待识别语音对应的所述第二声学特征。

3.根据权利要求1所述的方法，其特征在于，所述方法还包括：

若所述特征向量中的目标分量的数值为最大值，则确定所述第二声学特征为干扰特征；

对所述干扰特征对应的语音片段进行剔除处理。

4.根据权利要求1所述的方法，其特征在于，所述根据所述多种声纹属性分别对应的属性预测结果确定所述待识别语音对应的说话人识别结果，包括：

对所述多种声纹属性分别对应的属性预测结果进行累加求和，得到累加值；

将数值最大的所述累加值对应的属性预测结果确定为所述待识别语音对应的说话人识别结果。

5.根据权利要求4所述的方法，其特征在于，所述多种声纹属性至少包括：身份属性、性别属性、年龄属性和语言属性。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

对获取到的原始语音样本进行数据增强处理，得到扩展样本；

对所述扩展样本进行音素标注，得到样本标签；

根据所述原始语音样本和所述样本标签训练机器学习模型，得到所述声纹识别模型。

7.根据权利要求6所述的方法，其特征在于，所述根据所述原始语音样本和所述样本标签训练机器学习模型，得到所述声纹识别模型，包括：

根据交叉熵损失函数对所述原始语音样本和所述样本标签进行收敛，得到所述声纹识别模型。

8.一种声纹识别装置，其特征在于，包括：

获取模块，用于获取待识别语音中包含的人声语音；

信息提取模块，用于提取所述人声语音对应的第一声学特征，将所述第一声学特征输入声纹识别模型中得到所述待识别语音对应的初步声纹识别结果，其中，所述初步声纹识别结果包括多种声纹属性分别对应的属性预测结果；

联合优化模块，用于根据所述多种声纹属性分别对应的属性预测结果确定所述待识别语音对应的说话人识别结果；

其中，所述获取模块，可以被配置为：

提取所述待识别语音对应的第二声学特征；

将人声音素分别与多段所述第二声学特征进行比对，得到表征比对结果的特征向量；

若所述特征向量中的目标分量的数值不是最大值，则确定所述第二声学特征为人声声学特征；

获取所述人声声学特征对应的多段人声片段；

对所述多段人声片段进行拼接处理，得到所述待识别语音中包含的所述人声语音。