[发明专利]说话人识别方法、装置、计算机设备及存储介质

说明书

本申请实施例属于人工智能领域，涉及一种说话人识别方法、装置、计算机设备及存储介质，应用于智慧城市领域中，方法包括：获取混合语音以及目标说话人的参考语音；从参考语音中提取参考语音表征；将参考语音表征输入混合提取模型，以根据参考语音表征，从混合语音中获取目标说话人的估计掩膜，估计掩膜中的掩码与混合语音中的语音信号点一一对应；将掩码和语音信号点对应相乘，得到目标说话人的预测语音；计算预测语音和参考语音的概率线性判断得分；当概率线性判断得分处于预设的分值区间时，确定混合语音中包含目标说话人的语音。此外，本申请还涉及区块链技术，参考语音表征可存储于区块链中。本申请提高了说话人识别的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及一种说话人识别方法、装置、计算机设备及存储介质。

背景技术

说话人识别又叫语者验证，是语音处理的重要组成部分，属于生物识别技术的一种，目的是验证一段语音是否为目标说话人所说。说话人识别可以广泛地应用于与人相关的安全或娱乐领域，例如，在智能家居中限制部分家庭成员进行电器的语音控制，以降低儿童接触危险电器的可能。

鸡尾酒会场景是指嘈杂的环境中，存在多个说话人的场景。在鸡尾酒会场景的说话人识别中，针对单声道的说话人识别任务具有较大的难度，由于单声道语音缺少语音的空间信息，难以做到噪声滤除和目标说话人定位，且单声道语音中混合了人数不确定的多人语音，说话人识别尤为困难。传统的说话人识别技术，例如深度聚类等，虽然可以实现鸡尾酒会场景中的说话人识别，但是都需要一定的前提，例如，需要预先知道说话人的数量，或者对音频类型具有一定要求。当前提条件无法满足时，说话人识别的准确性就会显著降低。

发明内容

本申请实施例的目的在于提出一种说话人识别方法、装置、计算机设备及存储介质，以解决说话人识别准确性较低的问题。

为了解决上述技术问题，本申请实施例提供一种说话人识别方法，采用了如下所述的技术方案：

获取混合语音以及目标说话人的参考语音；

通过参考提取模型从所述参考语音中提取参考语音表征；

将所述参考语音表征输入混合提取模型，以指示所述混合提取模型根据所述参考语音表征，从所述混合语音中获取所述目标说话人的估计掩膜，所述估计掩膜中的掩码与所述混合语音中的语音信号点一一对应；

将所述估计掩膜中的掩码和所述混合语音中的语音信号点对应相乘，得到所述目标说话人的预测语音；

计算所述预测语音和所述参考语音的概率线性判断得分；

当所述概率线性判断得分处于预设的分值区间时，确定所述混合语音中包含所述目标说话人的语音。

为了解决上述技术问题，本申请实施例还提供一种说话人识别装置，采用了如下所述的技术方案：

语音获取模块，用于获取混合语音以及目标说话人的参考语音；

参考提取模块，用于通过参考提取模型从所述参考语音中提取参考语音表征；

掩膜获取模块，用于将所述参考语音表征输入混合提取模型，以指示所述混合提取模型根据所述参考语音表征，从所述混合语音中获取所述目标说话人的估计掩膜，所述估计掩膜中的掩码与所述混合语音中的语音信号点一一对应；

预测获取模块，用于将所述估计掩膜中的掩码和所述混合语音中的语音信号点对应相乘，得到所述目标说话人的预测语音；

得分计算模块，用于计算所述预测语音和所述参考语音的概率线性判断得分；

确定模块，用于当所述概率线性判断得分处于预设的分值区间时，确定所述混合语音中包含所述目标说话人的语音。

为了解决上述技术问题，本申请实施例还提供一种计算机设备，采用了如下所述的技术方案：