[发明专利]声纹识别方法及装置、电子设备、存储介质

权利要求书

1.一种声纹识别方法，其特征在于，包括：

采集用户对象的声音，得到待识别语音；

将所述待识别语音输入至目标声纹识别模型，输出声纹识别结果，其中，所述目标声纹识别模型的训练集包含有多语种的训练样本；

基于所述声纹识别结果，分析所述待识别语音的语音特征，其中，所述语音特征至少包括：声纹所属语种和语音匹配度，所述语音匹配度用于指示所述语音特征所对应的待识别语音是否属于指定声纹库；

在所述待识别语音属于指定声纹库的情况下，确定所述用户对象属于目标机构的员工。

2.根据权利要求1所述的方法，其特征在于，还包括：

采集多语种的N个初始训练样本，其中，N为大于等于2的正整数，每个初始训练样本对应有样本权重，所述初始训练样本之间所包含的样本数不相同；

根据所述样本权重，对所述N个初始训练样本进行重采样处理，得到训练样本集；

采用所述训练样本集分别训练得到目标声纹识别模型，其中，所述目标声纹识别模型的模型类型包括：文本相关声纹识别模型和文本无关声纹识别模型。

3.根据权利要求2所述的方法，其特征在于，根据所述样本权重，对所述N个初始训练样本进行重采样处理，得到训练样本集的步骤，包括：

对所述N个初始训练样本的样本权重进行累加，得到目标数组；

采用二分查找策略，对所述目标数组进行区间划分，并调整指定语种的初始训练样本分布，得到所述训练样本集。

4.根据权利要求2所述的方法，其特征在于，采用所述训练样本集分别训练得到目标声纹识别模型的步骤，包括：

在对所述训练样本集中的音频数据进行预处理后，提取所述音频数据的梅尔滤波器组能量特征；

将所述梅尔滤波器组能量特征输入至第一类神经网络模型，得到所述文本相关声纹识别模型；

将所述梅尔滤波器组能量特征输入至第二类神经网络模型，得到所述文本无关声纹识别模型。

5.根据权利要求4所述的方法，其特征在于，提取所述音频数据的梅尔滤波器组能量特征的步骤，包括：

采用预设高通滤波器对将所述训练样本集中的音频数据进行预加重处理；

基于预设分帧帧长和预设分帧步长，对预加重处理后的所述音频数据进行分帧处理和加窗处理；

将分帧处理和加窗处理后的各帧音频数据进行傅里叶变换，得到对应于每帧音频数据的频谱；

将所述频谱输入至M个梅尔尺度的三角形滤波器，得到所述梅尔滤波器组能量特征，其中，M为大于等于2的正整数。

6.根据权利要求4所述的方法，其特征在于，所述第一类神经网络模型和所述第二类神经网络模型至少包括：多个长短期记忆网络层、线性变换层，每个所述长短期记忆网络层至少包括：记忆单元和投影层，其中，所述第一类神经网络模型的记忆单元数量和线性变换层的的数量都少于所述第二类神经网络。

7.根据权利要求2所述的方法，其特征在于，将所述待识别语音输入至目标声纹识别模型，输出声纹识别结果的步骤，包括：

分析所述待识别语音对应的音频数据是否为与文本相关的音频数据；

在所述待识别语音对应的音频数据是与文本相关的音频数据的情况下，分析所述文本相关声纹识别模型作为所述目标声纹识别模型的可信度；

在所述可信度大于预设可信度阈值的情况下，采用所述文本相关声纹识别模型识别所述待识别语音，输出所述声纹识别结果；

在所述可信度小于等于所述预设可信度阈值的情况下，采用所述文本无关声纹识别模型识别所述待识别语音，输出所述声纹识别结果。

8.根据权利要求7所述的方法，其特征在于，将所述待识别语音输入至目标声纹识别模型，输出声纹识别结果的步骤，包括：

分析所述待识别语音对应的音频数据是否为与文本相关的音频数据；

在所述待识别语音对应的音频数据是与文本无关的音频数据的情况下，采用所述文本无关声纹识别模型识别所述待识别语音，输出所述声纹识别结果。