[发明专利]说话对象表征提取模型训练方法和说话对象身份识别方法

权利要求书

1.一种说话对象表征提取模型训练方法，其特征在于，包括：

获取多个说话对象的语音信号样本；其中，所述多个说话对象的语音信号样本包括每个说话对象的原始语音信号样本，以及所述每个说话对象的原始语音信号样本对应的模拟不同采集来源的多个模拟语音信号样本，每条所述语音信号样本具有说话对象真实身份标签；

获取所述多个说话对象的语音信号样本的音频特征；

将所述多个说话对象的语音信号样本的音频特征输入所述说话对象表征提取模型，获得估计的多条语音表征；

将所述估计的多条语音表征输入说话对象身份判别器，获得估计的每条语音表征对应的身份预测概率；

根据所述估计的每条语音表征对应的身份预测概率以及所述估计的每条语音表征对应的说话对象真实身份标签，计算损失函数的值；

通过根据所述损失函数的值调整所述说话对象表征提取模型和所述说话对象身份判别器的参数，从而对所述说话对象表征提取模型进行训练。

2.如权利要求1所述的说话对象表征提取模型训练方法，其特征在于，所述获取多个说话对象的语音信号样本，包括：

获取所述多个说话对象的原始语音信号样本、以及将所述多个说话对象的原始语音信号样本输入至多个均衡器所获得的多个模拟语音信号样本；

其中，所述多个均衡器用于模拟不同语音采集设备的信道。

3.如权利要求1所述的说话对象表征提取模型训练方法，其特征在于，所述获取多个说话对象的语音信号样本，包括：

获取所述多个说话对象的原始语音信号样本、以及所述多个说话对象的原始语音信号样本经过不同的录音设备进行录音所获得的多个模拟语音信号样本。

4.如权利要求1至3中任一项所述的说话对象表征提取模型训练方法，其特征在于，所述根据所述估计的每条语音表征对应的身份预测概率以及所述估计的每条语音表征对应的说话对象真实身份标签，计算损失函数的值，包括：

根据所述估计的每条语音表征对应的身份预测概率以及所述估计的每条语音表征对应的说话对象真实身份标签，计算交叉熵损失函数的值。

5.一种说话对象身份识别方法，其特征在于，包括：

获取远程会议过程中被测说话对象的语音信号；

获取所述被测说话对象的语音信号的音频特征；

将所述音频特征输入根据权利要求1至4中的任意一项所述的训练方法训练出的说话对象表征提取模型，得到估计的被测说话对象的语音表征；

根据所述估计的被测说话对象的语音表征与对应有说话对象身份标签的候选语音表征，确定所述被测说话对象的身份。

6.一种说话对象表征提取模型的训练装置，其特征在于，包括：

获取模块，被配置为获取多个说话对象的语音信号样本；其中，所述多个说话对象的语音信号样本包括每个说话对象的原始语音信号样本，以及所述每个说话对象的原始语音信号样本对应的模拟不同采集来源的多个模拟语音信号样本，每条所述语音信号样本具有说话对象真实身份标签；

所述获取模块，被配置为获取所述多个说话对象的语音信号样本的音频特征；

输入模块，被配置为将所述多个说话对象的语音信号样本的音频特征输入所述说话对象表征提取模型，获得估计的多条语音表征；

所述输入模块，被配置为将所述估计的多条语音表征输入说话对象身份判别器，获得估计的每条语音表征对应的身份预测概率；

计算模块，被配置为根据所述估计的每条语音表征对应的身份预测概率以及所述估计的每条语音表征对应的说话对象真实身份标签，计算损失函数的值；

训练模块，被配置为通过根据所述损失函数的值调整所述说话对象表征提取模型和所述说话对象身份判别器的参数，从而对所述说话对象表征提取模型进行训练。