[发明专利]声纹识别的方法、装置、设备、存储介质以及程序产品

说明书

本公开提供了一种声纹识别的方法、装置、设备、存储介质以及程序产品，涉及大数据以及语音识别等领域。具体实现方案为：获取多个对话音频，各对话音频中分别包括有第一发言人的语音片段和第二发言人的语音片段；根据各对话音频对应的第一发言人的身份标识，将多个对话音频划分为多组，每组对话音频对应于相同的第一发言人；对目标组对话音频中各语音片段的声纹进行聚类，得到多个聚类结果；选取包含语音片段数量最多的聚类结果确定为候选聚类结果；将候选聚类结果对应的声纹确定为目标组对话音频对应的第一发言人的声纹。根据本公开的声纹识别的方法具有人力成本低、声纹的提取及识别效率高等优点，有利于缩减声纹库的建立周期。

技术领域

本公开涉及人工智能技术领域，尤其涉及大数据和语音识别领域。

背景技术

相关技术中，针对客服业务中所涉及的多个对话场景，在建立客服和客户的声纹库的过程中，通常采用人工方式对多个对话音频进行切割和标注，存在人力成本高、效率低以及建库周期长的缺陷。

发明内容

本公开提供了一种用于声纹识别的方法、装置、设备、存储介质以及程序产品。

根据本公开的一方面，提供了一种声纹识别的方法，包括

获取多个对话音频，各对话音频中分别包括有第一发言人的语音片段和第二发言人的语音片段；

根据各对话音频对应的第一发言人的身份标识，将多个对话音频划分为多组，每组对话音频对应于相同的第一发言人；

对目标组对话音频中各语音片段的声纹进行聚类，得到多个聚类结果；

选取包含语音片段数量最多的聚类结果确定为候选聚类结果；

将候选聚类结果对应的声纹确定为目标组对话音频对应的第一发言人的声纹。

根据本公开的另一方面，提供了一种声纹识别的装置，包括：

对话音频获取模块，用于获取多个对话音频，各对话音频中分别包括有第一发言人的语音片段和第二发言人的语音片段；

分组模块，用于根据各对话音频对应的第一发言人的身份标识，将多个对话音频划分为多组，每组对话音频对应于相同的第一发言人；

聚类模块，用于对目标组对话音频中各语音片段的声纹进行聚类，得到多个聚类结果；

候选聚类结果确定模块，用于选取包含语音片段数量最多的聚类结果确定为候选聚类结果；

第一发言人声纹确定模块，用于将候选聚类结果对应的声纹确定为目标组对话音频对应的第一发言人的声纹。

根据本公开的另一方面，提供了一种电子设备，包括：

至少一个处理器；以及

与该至少一个处理器通信连接的存储器；其中，

该存储器存储有可被该至少一个处理器执行的指令，该指令被该至少一个处理器执行，以使该至少一个处理器能够执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，该计算机指令用于使计算机执行本公开任一实施例中的方法。

根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现本公开任一实施例中的方法。

根据本公开的技术具有人力成本低、声纹提取及识别效率高等优点，有利于缩减声纹库的建立周期。

应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明