[发明专利]声纹识别方法及装置、电子设备、存储介质

说明书

本发明公开了一种声纹识别方法及装置、电子设备、存储介质，涉及生物识别领域，其中，该方法包括：采集用户对象的声音，得到待识别语音；将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，目标声纹识别模型的训练集包含有多语种的训练样本；基于声纹识别结果，分析待识别语音的语音特征，其中，语音特征至少包括：声纹所属语种和语音匹配度，语音匹配度用于指示语音特征所对应的待识别语音是否属于指定声纹库；在待识别语音属于指定声纹库的情况下，确定用户对象属于目标机构的员工。本发明解决了相关技术中，声纹识别系统仅仅采用单一类语言训练模型进行声纹识别，而不能对多语种进行有效识别的技术问题。

技术领域

本发明涉及生物识别领域，具体而言，涉及一种声纹识别方法及装置、电子设备、存储介质。

背景技术

近年来，随着各种终端的更新换代以及各场景对信息安全的要求越来越高，声纹特征识别以其唯一性和稳定性等特点广泛应用于证券、金融等领域，与指纹一样，每个人的声音都具有独特的特征，通过该特征能将不同人的声音进行有效的区分。

相关技术中，早期的声纹识别系统主要利用传统机器学习算法建模进行特征提取和特征比对，近年来随着人工智能和大数据的快速发展，声纹识别系统主要利用深度学习算法建模进行特征提取和特征比对。与传统机器学习算法模型相比，深度神经网络模型提取的声纹特征更丰富、更全面，进一步提高了声纹识别系统的识别正确率。但相关技术中的声纹识别系统存在多种弊端：第一种，仅仅使用单一类语言训练模型，对于许多跨国企业而言，许多技术和产品的开发都需要考虑国际化应用，例如，许多大型金融机构在全球多国都设有分行，在应用声纹识别技术时都需要为当地的语言、乃至方言开发专门的声纹识别模型，然而，若对于每种语言分别训练一个模型，会耗费大量的人力和物力，包括研发人员的精力，以及模型训练所需要的硬件计算设备、电力消耗等；第二种，数据集的大小也是影响模型性能的重要因素，对于一些小语种类的语言，数据获取较难，训练数据少导致声纹识别模型/系统的性能较差。

针对上述的问题，目前尚未提出有效的解决方案。

发明内容

本发明实施例提供了一种声纹识别方法及装置、电子设备、存储介质，以至少解决相关技术中，声纹识别系统仅仅采用单一类语言训练模型进行声纹识别，而不能对多语种进行有效识别的技术问题。

根据本发明实施例的一个方面，提供了一种声纹识别方法，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。

可选地，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。

可选地，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。

可选地，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。