[发明专利]基于声纹识别的语音分类方法、装置及相关设备

说明书

本申请涉及数据处理技术，提供一种基于声纹识别的语音分类方法、装置、计算机设备与存储介质，包括：预处理历史语音会话数据；将语音会话片段变换为目标频谱数据；训练目标音频编码模型；调用目标音频编码模型处理所有代理人的音频数据，得到代理音频编码，创建声纹库；接收待验证语音会话数据，调用目标音频编码模型处理待验证会话数据，得到待验证音频编码集；计算待验证音频编码与声纹库中代理音频编码的相似度，检测是否存在目标待验证音频编码与代理音频编码的相似度未超过预设相似度阈值；当结果为否时，确定待验证语音会话数据为真实语音会话数据。本申请能够提高语音分类准确性与效率，促进智慧城市快速发展。

技术领域

本申请涉及数据处理技术领域，尤其涉及一种基于声纹识别的语音分类方法、装置、计算机设备及介质。

背景技术

在保险行业“金融+科技”、“金融+生态”战略的指引下，科技加速保险数字化转型这一重要节点上，大量线下业务场景都切换到线上进行，产生出大量的代理人与客户间业务沟通的会客音频数据。经排查发现，当前会客音频数据中存在大量代理人自行练习的音频，即整段音频并没有客户出现，仅为代理人自行练习数据，但是从后端得到的音频数据中无法区分是代理人练习音频还是与客户的真实沟通讲解音频，这样的数据无法满足下游AI任务的需求。

在实现本申请的过程中，发明人发现现有技术存在如下技术问题：当前区分出代理人与客户真实对话数据主要依靠声纹识别的方式，通常考虑较多的是线性预测系数、梅尔倒谱系数、语谱图特征等参数，其中，语谱图是目前深度学习研究领域在声纹识别方向中常用到的一种特征表示，语谱图中除了包含有丰富的说话人个性信息局部空间特征和时序特征外，也存在空白语音信息片段和语音能量不足的情况，会导致语谱图存在大量的冗余信息，以至于网络训练无法快速收敛，耗费大量计算成本，无法保证语音分类的速率与准确性。

因此，有必要提供一种基于声纹识别的语音分类方法，能够提高语音分类的速率与准确性。

发明内容

鉴于以上内容，有必要提出一种基于声纹识别的语音分类方法、基于声纹识别的语音分类装置、计算机设备及介质，能够提高语音分类的速率与准确性。

本申请实施例第一方面提供一种基于声纹识别的语音分类方法，所述基于声纹识别的语音分类方法包括：

预处理历史语音会话数据，得到预设时长的语音会话片段集；

调用快速傅里叶变换算法将所述语音会话片段集中每一语音会话片段变换为目标频谱数据；

获取初始音频编码模型，并删除所述初始音频编码模型中的无用通道数，得到改进后的初始音频编码模型；

调用改进后的所述初始音频编码模型聚合处理所述目标频谱数据，得到频谱特征；

以所述频谱特征为输入向量，所述频谱特征对应的音频编码为输出向量训练改进后的所述初始音频编码模型，得到训练好的目标音频编码模型；

调用所述目标音频编码模型处理所有代理人的音频数据，得到每个代理人的代理音频编码，并根据所述代理音频编码创建对应所有代理人的声纹库；

接收待验证语音会话数据，并调用所述目标音频编码模型处理所述待验证会话数据，得到待验证音频编码集；

计算所述待验证音频编码集中每一待验证音频编码与所述声纹库中每一代理音频编码的相似度值，并检测是否存在目标待验证音频编码与所述代理音频编码的相似度未超过预设相似度阈值；

当检测结果为存在目标待验证音频编码与所述代理音频编码的相似度未超过所述预设相似度阈值时，确定所述待验证语音会话数据为真实语音会话数据。

进一步地，在本申请实施例提供的上述基于声纹识别的语音分类方法中，所述预处理历史语音会话数据，得到预设时长的语音会话片段集包括：