[发明专利]一种声纹的识别方法、装置、电子设备及存储介质

权利要求书

1.一种声纹的识别方法,其特征在于，所述识别方法包括：

从获取的待检测音频中提取出声学特征信息，并将所述声学特征信息输入训练好的目标卷积网络中的第一卷积层中，得到时域特征向量和频域特征向量；其中，所述训练好的目标卷积网络中的第一卷积层用于将二维的所述声学特征信息转化为一维的时域特征向量和一维的频域特征向量；

将所述时域特征向量和所述频域特征向量输入训练好的目标卷积网络中的拼接层中，得到拼接特征向量；

将所述拼接特征向量输入训练好的所述目标卷积网络中的第二卷积层中，得到所述待检测音频对应的目标声纹嵌入向量；其中，所述第二卷积层位于所述第一卷积层和所述拼接层之后，且所述第二卷积层由至少一个卷积层和所述卷积层对应的卷积核组成；

根据所述目标声纹嵌入向量和预设声纹嵌入向量，确定所述待检测音频是否来自目标对象；所述预设声纹嵌入向量为所述目标对象对应的向量；

所述将所述声学特征信息输入训练好的目标卷积网络中的第一卷积层中，得到时域特征向量和频域特征向量，包括：

将所述声学特征信息输入训练好的目标卷积网络中的第一卷积层中，得到时域特征向量；

将所述时域特征向量的进行特征转置，得到频域特征向量。

2.根据权利要求1所述的识别方法，其特征在于，通过以下方式提取出声学特征信息：

获取所述待检测音频；

对所述待检测音频进行分帧处理和傅里叶变换处理，确定频谱特征图谱；

从所述频谱特征图谱中，提取出所述声学特征信息。

3.根据权利要求1所述的识别方法，其特征在于，通过以下方式训练得到目标卷积网络：

获取多个样本音频，以及每个所述样本音频对应的标签信息；所述标签信息用于表征每个所述样本音频中样本对象对应的真实声纹嵌入向量；

根据各个所述样本音频以及每个所述本音频对应的标签信息，对初始卷积网络进行训练，得到训练好的目标卷积网络。

4.根据权利要求3所述的识别方法，其特征在于，所述根据各个所述样本音频以及每个所述本音频对应的标签信息，对初始卷积网络进行训练，得到训练好的目标卷积网络，包括：

将每个所述样本音频输入初始卷积网络，得到每个样本音频的预测声纹嵌入向量；

根据各个所述样本音频的所述预测声纹嵌入向量和所述真实声纹嵌入向量之间的损失值，对初始卷积网络进行训练，得到训练好的目标卷积网络。

5.根据权利要求1所述的识别方法，其特征在于，所述根据所述目标声纹嵌入向量和预设声纹嵌入向量，确定所述待检测音频是否来自目标对象，包括：

计算所述目标声纹嵌入向量和预设声纹嵌入向量之间的相似度；

若所述相似度大于或等于预设阈值，确定所述待检测音频是来自目标对象；

若所述相似度小于所述预设阈值，确定所述待检测音频不是来自目标对象。