[发明专利]个性化说话者验证系统和方法

权利要求书

1.一种计算机实现的用于个性化说话者验证的方法，包括：

获得说话者的一个或多个语音片段作为正样本，获得所述说话者以外的一人或多人的一个或多个语音片段作为负样本；

将所述说话者的一个或多个语音片段馈送到用于确定人声特性的第一模型，以相应地输出一个或多个正样本向量，作为正人声特性，并将所述说话者以外的一人或多人的一个或多个语音片段馈送到所述第一模型，以相应地输出一个或多个负样本向量，作为负人声特性；

至少基于所述正人声特性和所述负人声特性获得梯度；以及

将所述梯度馈送到所述第一模型，以更新所述第一模型的一个或多个参数，从而获得用于个性化说话者验证的第二模型；

获得用户的语音数据；

将获得的语音数据馈送到所述第二模型，以获得所述用户的输入向量；

对所述一个或多个正样本向量求平均以获得所述说话者的模板向量；

将所述用户的所述输入向量与所述说话者的所述模板向量进行比较；以及

至少基于所述比较验证所述用户是否是所述说话者。

2.根据权利要求1所述的方法，其中，至少基于所述正人声特性和所述负人声特性获得梯度，包括：

将所述一个或多个正样本向量和所述一个或多个负样本向量馈送到神经网络分类器以获得一个或多个梯度向量。

3.根据权利要求2所述的方法，其中，至少基于所述正人声特性和所述负人声特性获得所述梯度，还包括：

对所述一个或多个梯度向量求平均以获得所述说话者的平均梯度向量作为所述梯度。

4.根据权利要求3所述的方法，其中：

将所述梯度馈送到所述第一模型，以更新所述第一模型的一个或多个参数，包括：将所述说话者的所述平均梯度向量馈送到所述第一模型，以更新所述第一模型的所述一个或多个参数；以及

所述一个或多个参数将所述第一模型的不同神经层相关联。

5.根据权利要求2所述的方法，其中，将所述一个或多个正样本向量和所述一个或多个负样本向量馈送到所述神经网络分类器以获得一个或多个梯度向量，包括：

至少基于通过所述神经网络分类器的交叉熵损失函数的反向传播来获得所述梯度。

6.根据权利要求1所述的方法，其中，将所述梯度馈送到所述第一模型，以更新所述第一模型的一个或多个参数，包括：

将所述梯度馈送到所述第一模型，以至少基于所述梯度和在线机器学习率更新所述第一模型的所述一个或多个参数。

7.根据权利要求6所述的方法，其中，将所述梯度馈送到所述第一模型，以至少基于所述梯度和所述在线机器学习率更新所述第一模型的所述一个或多个参数，包括：

在所述梯度以最快的在线机器学习率下降的方向上更新所述一个或多个参数。

8.根据权利要求1所述的方法，其中：

在将所述正样本和所述负样本馈送到所述第一模型以确定人声特性之前，至少已经通过使用于优化说话者分类的第一损失函数和用于优化说话者聚类的第二损失函数共同地最小化训练了所述第一模型。

9.根据权利要求8所述的方法，其中：

所述第一损失函数包括不基于采样的损失函数；以及

所述第二损失函数包括大间隔高斯混合损失函数。

10.一种用于个性化说话者验证的系统，包括：

一个或多个处理器；以及

耦接到所述一个或多个处理器并且其上存储有指令的一个或多个计算机可读存储器，所述指令能够由所述一个或多个处理器执行以执行权利要求1-9中任一项所述的方法。

11.一种用于个性化说话者验证的装置，包括用于执行权利要求1-9中任一项所述的方法的多个模块。

12.一种非暂时性计算机可读存储介质，配置有能够由一个或多个处理器执行以促使所述一个或多个处理器执行权利要求1-9中任一项所述方法的指令。