[发明专利]声纹数据生成方法、装置、计算机装置及存储介质

说明书

本发明提供一种声纹数据生成方法、装置、计算机装置及存储介质。所述声纹数据生成方法包括：使用声纹样本对多个声纹识别子模型进行训练；利用选择的声纹识别子模型对声纹样本提取声纹特征；确定候选声纹样本对及其同一说话人标签；利用非选择的声纹识别子模型对候选声纹样本对提取声纹特征；对分类器进行训练；利用选择的声纹识别子模型对无标签的语音数据提取声纹特征；确定候选语音数据对及其同一说话人标签；利用非选择的声纹识别子模型对候选语音数据对提取声纹特征；利用分类器对候选语音数据对进行预测；根据候选语音数据对的预测结果对语音数据进行说话人归类。本发明可以高效率、低成本地获得声纹数据。

技术领域

本发明涉及语音处理技术领域，具体涉及一种声纹数据生成方法、装置、计算机装置及存储介质。

背景技术

人类的语音中包含了丰富的信息，其中一种重要的信息是表征说话人身份的声纹信息。由于不同人具有相异的声腔和发声方式，任何两个人的声纹信息都不相同。声纹识别就是利用机器自动提取语音中的声纹信息并鉴别说话人身份的过程，其在安防、审核和教育等场景中发挥着重要作用。

目前主流的声纹识别方法是基于深度学习的声纹识别，通过声纹样本对声纹识别模型进行训练，使声纹识别模型自动挖掘出说话人的声纹特征，根据声纹特征识别说话人身份。然而，不同于人脸数据，语音数据(如声纹数据)更具有隐私性也更难收集，并有口音、噪声、方言等多种可变因素，导致开源的声纹数据库在质量和数量上严重不足，不能得到足够的声纹样本，无法训练出高准确率的声纹识别模型。自行收集、标注声纹数据也需要投入大量的金钱和人力成本。声纹识别模型训练数据的不足很大程度上限制了声纹识别技术的发展和推广。

发明内容

鉴于以上内容，有必要提出一种声纹数据生成方法、装置、计算机装置及存储介质，其可以高效率、低成本地获得声纹数据。

本申请的第一方面提供一种声纹数据生成方法，所述方法包括：

使用给定多个带说话人标签的声纹样本对多个声纹识别子模型进行训练；

从所述多个声纹识别子模型中选择一个声纹识别子模型，利用选择的声纹识别子模型对每个声纹样本提取声纹特征；

根据每个声纹样本的声纹特征确定候选声纹样本对，根据每个候选声纹样本对中的两个声纹样本的说话人标签确定每个候选声纹样本对的同一说话人标签；

利用每个非选择的声纹识别子模型对每个候选声纹样本对提取声纹特征，将所有非选择的声纹识别子模型对每个候选声纹样本对提取的声纹特征拼接为该候选声纹样本对的联合声纹特征；

根据每个候选声纹样本对的联合声纹特征和同一说话人标签对分类器进行训练；

利用所述选择的声纹识别子模型对多个无标签的语音数据提取声纹特征；

根据每个语音数据的声纹特征确定候选语音数据对，根据每个候选语音数据对中的两个语音数据的说话人标签确定每个候选语音数据对的同一说话人标签；

利用每个非选择的声纹识别子模型对每个候选语音数据对提取声纹特征，将所有非选择的声纹识别子模型对每个候选语音数据对提取的声纹特征拼接为该候选语音数据对的联合声纹特征；

将每个候选语音数据对的联合声纹特征输入所述分类器进行预测，得到每个候选语音数据对是否为同一说话人的预测结果；

根据所有候选语音数据对的预测结果对所有候选语音数据对中的语音数据进行说话人归类，得到多个语音集合和每个语音集合对应的说话人标签。

另一种可能的实现方式中，所述多个声纹识别子模型包括多个不同类型的神经网络模型或多个相同类型不同参数的神经网络模型。

另一种可能的实现方式中，所述根据每个声纹样本的声纹特征确定候选声纹样本对包括：