[发明专利]一种基于聚类的说话人确定方法、确定装置及电子设备

说明书

本申请提供了一种基于聚类的说话人确定方法、确定装置及电子设备，包括：获取待识别声音信息，确定待识别声音信息对应的多个声音识别片段；根据多个声音识别片段对应的全部待识别声纹信号，确定待识别声音信息对应的第一聚类结果与说话人数量；根据全部待识别声纹信号与说话人数量，确定待识别声音信息对应的第二聚类结果；根据第一聚类结果与第二聚类结果，确定第一聚类结果与第二聚类结果对应的目标分类结果；根据目标分类结果确定每个声音识别片段对应的说话人，基于此方法，通过两次聚类处理并根据两次聚类对应的互补结果，确定与音频文件中的声音片段对应的说话人，有较高的识别结果准确性。

技术领域

本申请涉及声音识别技术领域，尤其是涉及一种基于聚类的说话人确定方法、确定装置及电子设备。

背景技术

在现有的说话人确定方法中，一般采用无监督机器学习数据方法，在多个无标签的语音数据中，对其按照不同的特征进行分类处理，之后为完成分类的语音数据匹配对应的说话人。在该方法中，利用到的常用分类方法具体可包括：基于质心的划分法、中心划分法、层次法、基于密度法、基于网格的方法以及基于模型的方法等，但是上述的多种分类方法在实际使用过程中，分类效果较差，进而易导致说话人的确认结果准确度低。

发明内容

有鉴于此，本申请的目的在于提供一种基于聚类的说话人确定方法、确定装置及电子设备，将待识别的声音信息拆分为若干个待识别的声音片段并提取相应的声纹信号，首先对全部声纹信号进行初次聚类处理，自动获得声音信息对应的第一聚类结果以及说话人的数量，进一步的以初次聚类处理得到的第一聚类结果以及初次聚类处理自动确定的说话人数量，对全部声纹信号进行第二次聚类处理，最后以两次聚类结果的互补作为最终分类结果，并确定每个类别对应的说话人，进而确定每个声音识别片段对应的说话人，对各声音片段的分类效果较好，且说话人的确认结果准确性较高。

本申请实施例提供了一种基于聚类的说话人确定方法，所述确定方法包括：

获取待识别声音信息，确定所述待识别声音信息对应的多个声音识别片段；

根据所述多个声音识别片段对应的全部待识别声纹信号，确定所述待识别声音信息对应的第一聚类结果与说话人数量；

根据全部所述待识别声纹信号与所述说话人数量，确定所述待识别声音信息对应的第二聚类结果；

根据所述第一聚类结果与第二聚类结果，确定所述第一聚类结果与第二聚类结果对应的目标分类结果；

根据所述目标分类结果确定每个所述声音识别片段对应的说话人。

进一步的，根据以下方法确定所述待识别声音信息对应的第一聚类结果与说话人数量：

针对每一个所述待识别声纹信号，确定该待识别声纹信号对应的声谱图特征；

将所述声谱图特征输入至训练好的声纹网络模型中，确定所述待识别声纹信号对应的第一声纹嵌入向量；

根据各个待识别声纹信号对应的第一声纹嵌入向量，确定所述第一聚类结果与说话人数量。

进一步的，根据以下方法确定所述说话人数量：

确定多个待识别声纹信号中每两个待识别声纹信号分别对应的第一声纹嵌入向量之间的欧式距离；

将确定出的每一个欧式距离进行尺度变换，确定每两个第一声纹嵌入向量对应的相似度；

根据确定出的每一个相似度，确定所述第一声纹嵌入向量对应的邻接矩阵，并根据所述邻接矩阵及预设聚类类数，确定旋转特征矩阵；

根据所述旋转特征矩阵确定代价函数，并在所述预设聚类类数的范围内迭代处理所述代价函数，直至相邻两次迭代过程中的代价函数对应的梯度变化小于预设梯度变化阈值；

确定停止迭代时所述代价函数对应的聚类类数为所述说话人数量。