[发明专利]声纹识别方法、装置、计算机设备及存储介质

说明书

本申请公开了声纹识别方法、装置、计算机设备及存储介质，涉及人工智能技术领域，方法包括：接收用户终端发送的第一音视频数据，第一音视频数据包括至少一次会话中的多段有效音视频片段，每段有效音视频片段的播放时长不小于第一预设时长；从多段有效音视频片段中的第一音视频片段中确定机器人播报完话术的第一时刻；对第一音视频片段进行语音转换，得到第一文本，从第一音视频片段中确定第一文本发送给机器人的第二时刻；根据第一时刻和第二时刻确定目标时段；从第一音视频片段中提取目标时段的目标音视频片段，最终得到多个目标音视频片段；将多个目标音视频片段合成，得到目标声纹；对目标声纹进行声纹识别。本方案能够提高声纹识别的准确性。

技术领域

本申请涉及人工智能的声纹识别技术领域，尤其涉及一种声纹识别方法、装置、计算机设备及存储介质。

背景技术

声纹(Voiceprint)是用电声学仪器显示的携带言语信息的声波频谱，声纹是由波长、频率以及强度等百余种特征维度组成的生物特征，具有稳定性、可测量性、唯一性等特点。由于人在讲话时使用的发声器官在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。由此，通常通过声纹识别(通过比对两段语音的说话人在相同音素上的发声)判断是否为同一个人，以实现“闻声识人”的功能。

客户在申请信贷产品过程中，通常被要求读一段固定文本内容的声音(例如大于10秒)作为注册声音。在基于人工智能对客户的声音进行审批时，需要先截取客户说话的声音，再将其与注册声音比较，以判断是否客户本人。

但是，在基于人工智能(Artificial Intelligence，AI)对客户的声音进行审批中，AI机器人与客户对话采用的是一问一答方式，绝大部分客户回答都是短语句，其语音时长属于短语音。因此，在基于AI对客户的声音过程中，短语句的语音会影响声纹识别的精度，导致声纹识别的存在较大的误差。

发明内容

本申请实施例提供了一种声纹识别方法、装置、计算机设备及存储介质，旨在解决现有技术中在基于AI对客户的声音过程中，短语句的语音会影响声纹识别的精度，导致声纹识别的存在较大的误差的问题。

第一方面，本申请实施例提供了一种声纹识别方法，其包括：

接收用户终端发送的第一音视频数据，所述第一音视频数据包括至少一次会话中的多段有效音视频片段，每段有效音视频片段的播放时长不小于第一预设时长；

从所述多段有效音视频片段中的第一音视频片段中确定机器人播报完话术的第一时刻；所述机器人为服务器中设置的虚拟用户；

对所述第一音视频片段进行语音转换，得到第一文本，以及从所述第一音视频片段中确定所述第一文本发送给机器人的第二时刻；

根据所述第一时刻和所述第二时刻确定目标时段；

从所述第一音视频片段中提取所述目标时段的目标音视频片段，最终得到多个目标音视频片段；

将所述多个目标音视频片段合成，得到目标声纹；

对所述目标声纹进行声纹识别。

第二方面，本申请实施例提供了一种声纹识别装置，其包括：

输入输出模块，用于接收用户终端发送的第一音视频数据，所述第一音视频数据包括至少一次会话中的多段有效音视频片段，每段有效音视频片段的播放时长不小于第一预设时长；

处理模块，用于从所述多段有效音视频片段中的第一音视频片段中确定机器人播报完话术的第一时刻；对所述第一音视频片段进行语音转换，得到第一文本，以及从所述第一音视频片段中确定所述第一文本发送给机器人的第二时刻；所述机器人为服务器中设置的虚拟用户；