[发明专利]声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质

权利要求书

1.一种声纹鉴定模型的训练方法，其特征在于，包括：

从语音样本的音素中，确定目标音素样本，所述语音样本的音素预先标注有说话人标签；

生成所述目标音素样本中音素的宽带语谱图和窄带语谱图；

获取所述宽带语谱图的第一样本特征信息和所述窄带语谱图的第二样本特征信息；

根据所述第一样本特征信息和所述第二样本特征信息，采用预设的神经网络架构进行模型训练，得到具有所述神经网络架构的声纹鉴定模型。

2.如权利要求1所述的方法，其特征在于，所述从语音样本的音素中，确定目标音素样本，包括：

从所述语音样本的音素中选择参考音素样本；

根据所述参考音素样本中的音素，从所述语音样本的音素中确定具有同一说话人标签的音素作为同类音素样本；

根据所述参考音素样本中的音素，从所述语音样本的音素中确定具有不同说话人标签的音素作为异类音素样本；

所述目标音素样本包括：所述参考音素样本、所述同类音素样本和所述异类音素样本。

3.如权利要求1所述的方法，其特征在于，所述生成所述目标音素样本中音素的宽带语谱图和窄带语谱图，包括：

对所述目标音素样本中音素进行数据增强；

绘制数据增强后的音素的所述宽带语谱图和所述窄带语谱图。

4.如权利要求3所述的方法，其特征在于，所述绘制数据增强后的音素的所述宽带语谱图和所述窄带语谱图，包括：

对所述数据增强后的音素进行分帧处理，得到多个音素帧；

根据每个音素帧的帧长，对所述每个音素帧进行加窗处理，得到加窗后的音素帧；

对所述加窗后的音素帧进行傅立叶变换，得到频域音素帧；

计算所述频域音素帧在频率刻度的能量；

根据所述频率刻度的能量，绘制所述宽带语谱图和所述窄带语谱图。

5.如权利要求4所述的方法，其特征在于，所述根据所述频率刻度的能量，绘制所述宽带语谱图和所述窄带语谱图，包括：

将所述频率刻度的能量整合成二维矩阵；

对所述二维矩阵进行灰度映射，得到所述宽带语谱图和所述窄带语谱图。

6.如权利要求1-5中任一所述的方法，其特征在于，所述第一样本特征信息包括：共振峰和功率谱信息；

所述第二样本特征信息包括：基频和谐波信息。

7.一种声纹鉴定方法，其特征在于，包括：

提取多个待鉴定语音的鉴定音素；

生成每个鉴定音素的宽带语谱图和窄带语谱图；

获取所述宽带语谱图的第一鉴定特征信息和所述窄带语谱图的第二鉴定特征信息；

根据所述第一鉴定特征信息和所述第二鉴定特征信息，采用声纹鉴定模型进行声纹鉴定，得到声纹鉴定结果；

其中，所述声纹鉴定结果用于指示多个所述待鉴定语音是否为同一说话人；所述声纹鉴定模型为采用上述权利要求1-6中任一所述的训练方法得到的模型。

8.一种声纹鉴定模型的训练装置，包括：

确定模块，用于从语音样本的音素中，确定目标音素样本，所述语音样本的音素预先标注有说话人标签；

生成模块，用于生成所述目标音素样本中音素的宽带语谱图和窄带语谱图；

获取模块，用于获取所述宽带语谱图的第一样本特征信息和所述窄带语谱图的第二样本特征信息；

训练模块，用于根据所述第一样本特征信息和所述第二样本特征信息，采用预设的神经网络架构进行模型训练，得到具有所述神经网络架构的声纹鉴定模型。