[发明专利]原始语音的声纹识别方法、装置、设备及存储介质

说明书

本发明涉及人工智能领域，公开了原始语音的声纹识别方法，用于降低说话人原始语音数据识别模型的信息损失和系统复杂性。包括：获取原始语音数据，按照预设时间长度对原始语音数据进行分割处理，得到分段语音数据；通过预置的卷积滤波器组对分段语音数据进行咬尾卷积处理和离散傅里叶变换处理，得到声纹特征数据；通过预置深度神经网络对声纹特征数据进行池化处理，得到目标声纹特征；对目标声纹特征进行嵌入向量转换处理，得到对应的声纹特征向量；通过预置的损失函数对声纹特征向量进行计算处理，得到目标声纹数据，损失函数包括余弦相似度矩阵损失函数和最小均方误差矩阵损失函数。本发明还涉及区块链技术，所述声纹特征数据存储于区块链中。

技术领域

本发明涉及语音信号处理领域，尤其涉及一种原始语音的声纹识别方法、装置、设备及存储介质。

背景技术

目前，说话人原始语音数据识别模型通过人工特征工程对说话人原始语音数据进行特征提取得到特征信息，生成特征信息的向量数据，对向量数据进行信道噪声拟合处理，得到拟合处理数据，对拟合处理数据进行说话人识别，得到对应的说话人信息。

由于得到的向量数据，无法直接用于识别同一个说话人或者不同说话人之间的信道信息差异，而是需要对得到的向量数据再进行信道噪声拟合处理得到拟合处理数据，再将该拟合处理数据和其他数据进行说话人识别的计算和分析的后端再处理，增加了数据处理系统的复杂性，且在通过人工特征工程对说话人原始语音数据进行特征提取时，会造成部分信息的损失，因而，现有的说话人原始语音数据识别模型存在信息损失度高和系统复杂度高的问题。

发明内容

本发明的主要目的在于解决现有的说话人原始语音数据识别模型存在信息损失度高和系统复杂度高的问题。

本发明第一方面提供了一种原始语音的声纹识别方法，包括：

获取原始语音数据，按照预设时间长度对所述原始语音数据进行分割处理，得到分段语音数据；

通过预置的卷积滤波器组对所述分段语音数据进行咬尾卷积处理和离散傅里叶变换处理，得到与所述分段语音数据对应的声纹特征数据；

通过预置深度神经网络对与所述分段语音数据对应的声纹特征数据进行池化处理，得到目标声纹特征；

对所述目标声纹特征进行嵌入向量转换处理，得到对应的声纹特征向量；

通过预置的损失函数对所述声纹特征向量进行计算处理，得到目标声纹数据，所述损失函数包括余弦相似度矩阵损失函数和最小均方误差矩阵损失函数。

可选的，在本发明第一方面的第一种实现方式中，所述获取原始语音数据，按照预设时间长度对所述原始语音数据进行分割处理，得到分段语音数据，包括：

获取原始语音数据，对所述原始语音数据进行基于语音信号能量和过零率的断点检测，获得候选语音数据；

对所述候选语音数据进行信道检测和信道分类，得到与分类后的各信道对应的语音数据；

按照预设时间长度，对与分类后的各信道对应的语音数据进行分割处理，得到分段语音数据。

可选的，在本发明第一方面的第二种实现方式中，所述声纹特征数据存储于区块链中，所述通过预置的卷积滤波器组对所述分段语音数据进行咬尾卷积处理和离散傅里叶变换处理，得到与所述分段语音数据对应的声纹特征数据，包括：

获取所述分段语音数据的总段数，并获取预置的卷积滤波器组中卷积滤波器的数量；

根据所述分段语音数据的总段数、所述预设时间长度和所述卷积滤波器的数量设置咬尾卷积编码，将所述咬尾卷积编码存储至所述卷积滤波器组中的卷积编码器组；

通过所述卷积编码器组对所述分段语音数据进行编码处理，得到与所述分段语音数据对应的候选声纹特征数据；