[发明专利]说话人识别模型训练、说话人识别方法及装置

权利要求书

1.一种说话人识别模型训练方法，其特征在于，所述方法包括：

获取样本语音集；所述样本语音集包括：多个用户对应的N个样本语音；所述N大于或等于2；

对各所述样本语音进行声学特征提取，得到所述多个用户对应的N个初始样本语音声学特征；

通过目标特征提取模型，对所述N个初始样本语音声学特征进行降维，得到所述多个用户对应的M个目标样本语音声学特征；所述M为小于N的且大于或等于2的整数；

对所述M个目标样本语音声学特征进行聚类，获取聚类结果；所述聚类结果用于表征各所述目标样本语音声学特征所属用户；

根据所述聚类结果，以及，所述样本语音集训练预设模型，得到说话人识别模型；所述说话人识别模型用于基于目标语音，输出所述目标语音对应的用户的标识。

2.根据权利要求1所述的方法，其特征在于，所述根据所述聚类结果，以及，所述样本语音集训练预设模型，得到说话人识别模型，包括：

根据所述各所述目标样本语音声学特征所属用户，确定所述样本语音集中各样本语音的用户标签；

使用所述样本语音集，以及，各样本语音的用户标签训练预设模型，得到说话人识别模型。

3.根据权利要求1或2所述的方法，其特征在于，所述对所述M个目标样本语音声学特征进行聚类，获取聚类结果，包括：

通过预设聚类算法，对所述M个目标样本语音声学特征进行不确定类别数目的聚类，得到多组目标样本语音声学特征；其中，同组的所述目标样本语音声学特征对应同一用户；

接收每组所述目标样本语音声学特征对应的一个用户标签，得到所述聚类结果。

4.根据权利要求1或2所述的方法，其特征在于，在所述通过目标特征提取模型，对所述N个初始样本语音声学特征进行降维之前，还包括：

使用所述N个初始样本语音声学特征，对预设无监督特征提取模型进行训练，得到所述目标特征提取模型。

5.根据权利要求4所述的方法，其特征在于，所述预设无监督特征提取模型的损失函数如下公式(1)所示：

其中，L表示所述预设无监督特征提取模型的损失函数，W表示所述预设无监督特征提取模型的权重矩阵，c为常数，y表示任一所述初始样本语音声学特征，o()表示sigmoid函数，||₁表示L1范数，W^T表示所述权重矩阵的转置，||₂表示L2范数。

6.一种说话人识别方法，其特征在于，所述方法包括：

采集用户的目标语音；

使用说话人识别模型，对所述目标语音进行说话人识别，输出所述目标语音对应的用户的标识；其中，所述说话人识别模型为采用如权利要求1-5任一项所述的方法训练得到的；

根据所述用户的标识，执行所述用户对应的目标操作。

7.一种说话人识别模型训练装置，其特征在于，所述装置包括：

获取模块，用于获取样本语音集；所述样本语音集包括：多个用户对应的N个样本语音；所述N大于或等于2；

第一处理模块，用于对各所述样本语音进行声学特征提取，得到所述多个用户对应的N个初始样本语音声学特征；通过目标特征提取模型，对所述N个初始样本语音声学特征进行降维，得到所述多个用户对应的M个目标样本语音声学特征；所述M为小于N的且大于或等于2的整数；

聚类模块，用于对所述M个目标样本语音声学特征进行聚类，获取聚类结果；所述聚类结果用于表征各所述目标样本语音声学特征所属用户；

第二处理模块，用于根据所述聚类结果，以及，所述样本语音集训练预设模型，得到说话人识别模型；所述说话人识别模型用于基于目标语音，输出所述目标语音对应的用户的标识。