[发明专利]音频识别方法及装置、计算机可读存储介质

摘要

本发明公开了一种音频识别方法及装置、计算机可读存储介质，该方法包括：获取声纹矢量化模型；获取同一目标说话人的多个不同第一音频文件；利用声纹矢量化模型对每一个第一音频文件进行矢量化；采用至少一种方式确定多个不同第一音频文件的声纹向量的中心向量，以及利用每一种中心向量分别确定一相似度接受范围；利用声纹矢量化模型得到待识别音频文件的声纹向量，以及计算待识别音频文件的声纹向量与每一种中心向量的相似度；对于每一种中心向量，判断待识别音频文件的声纹向量与其相似度是否位于利用其确定的相似度接受范围内，以及根据判断的结果确定待识别音频文件是否属于目标说话人。本发明可以实现利用声纹对说话人进行有效识别。

主权项

1.一种音频识别方法，其特征在于，包括：步骤S1：获取声纹矢量化模型；步骤S2：获取同一目标说话人的多个不同第一音频文件；步骤S3：利用所述声纹矢量化模型对每一个所述第一音频文件进行矢量化，得到每一个所述第一音频文件的声纹向量；步骤S4：采用至少一种方式确定所述多个不同第一音频文件的声纹向量的中心向量，从而得到至少一种中心向量，以及利用每一种中心向量分别确定一相似度接受范围[A,B]，其中，对于每一种中心向量，A为所述多个不同第一音频文件与其相似度中的最小相似度，B为所述多个不同第一音频文件与其相似度中的最大相似度；步骤S5：利用所述声纹矢量化模型得到待识别音频文件的声纹向量，以及计算所述待识别音频文件的声纹向量与所述每一种中心向量的相似度；步骤S6：对于所述每一种中心向量，判断所述待识别音频文件的声纹向量与其相似度是否位于利用其确定的相似度接受范围内，以及根据所述判断的结果确定所述待识别音频文件是否属于所述目标说话人；其中，步骤S2包括：步骤S21：获取多个不同第二音频文件，其中，每一个所述第二音频文件均包含所述目标说话人的声音信息，且不同第二音频文件包含的所述声音信息不同；步骤S22：对于每一个所述第二音频文件，分别按照至少一种信噪比进行噪音添加处理，从而得到所述多个不同第一音频文件。