[发明专利]一种说话人聚类方法、装置、设备及存储介质

权利要求书

1.一种说话人聚类方法，其特征在于，包括：

获取待聚类的语音数据集；

对于所述语音数据集中的每条语音数据，以趋于通过将该语音数据中的说话人信息与信道信息分离得到的说话人特征为获取方向，从该语音数据中获取说话人特征，以得到由获取的说话人特征组成的说话人特征集；

根据所述说话人特征集中的说话人特征，对所述语音数据集中的语音数据进行聚类。

2.根据权利要求1所述的说话人聚类方法，其特征在于，所述以趋于通过将该语音数据中的说话人信息与信道信息分离得到的说话人特征为获取方向，从该语音数据中获取说话人特征，包括：

利用预先建立的说话人特征提取模型，从该语音数据中获取说话人特征；

其中，所述说话人特征提取模型采用标注有真实说话人标签的语音样本训练得到，所述说话人特征提取模型的训练目标为，使根据所述语音样本获取的说话人特征确定的说话人标签，趋于所述语音样本对应的真实说话人标签，以及，通过正交分解使所述语音样本中的说话人信息与信道信息分离。

3.根据权利要求2所述的说话人聚类方法，其特征在于，所述利用预先建立的说话人特征提取模型，从该语音数据获取说话人特征，包括：

利用所述说话人特征提取模型，从该语音数据中获取帧级别说话人特征，并根据所述帧级别说话人特征确定一阶统计量和二阶统计量；

利用所述说话人特征提取模型，从所述一阶统计量和所述二阶统计量中获取第一向量和第二向量，并根据所述第一向量和所述第二向量确定说话人特征；其中，所述第一向量由所述一阶统计量中的一部分和所述二阶统计量中的一部分拼接而成，所述第二向量由所述一阶统计量中的另一部分和所述二阶统计量中的另一部分拼接而成，所述第一向量与所述第二向量正交。

4.根据权利要求3所述的说话人聚类方法，其特征在于，所述根据所述第一向量和所述第二向量确定说话人特征，包括：

分别从所述第一向量和所述第二向量中提取说话人信息，以得到包含说话人信息的第三向量和包含说话人信息的第四向量；

根据所述第一向量和所述第二向量确定所述第三向量和所述第四向量分别对应的权重；

按所述第三向量和所述第四向量分别对应的权重，对所述第三向量和所述第四向量加权求和，得到加权求和后的向量；

根据所述加权求和后的向量确定说话人特征。

5.根据权利要求2所述的说话人聚类方法，其特征在于，建立所述说话人特征提取模型的过程包括：

对于所述语音样本集中的每个语音样本：

利用说话人特征提取模型，从该语音样本中获取帧级别说话人特征，并根据所述帧级别说话人特征确定一阶统计量和二阶统计量；

利用说话人特征提取模型，从所述一阶统计量和所述二阶统计量中获取第一向量和第二向量，并根据所述第一向量和所述第二向量确定说话人特征；其中，所述第一向量由所述一阶统计量中的一部分和所述二阶统计量中的一部分拼接而成，所述第二向量由所述一阶统计量中的另一部分和所述二阶统计量中的另一部分拼接而成；

根据确定的说话人特征确定说话人标签，作为该语音样本对应的预测说话人标签；

根据所述语音样本集中每个语音样本对应的预测说话人标签和真实说话人标签，以及每个语音样本对应的第一向量与第二向量的正交化程度，更新说话人特征提取模型的参数。