[发明专利]一种声纹识别方法、系统及电子设备

说明书

本发明公开了一种声纹识别方法、系统及电子设备，该方法包括：基于通用背景模型的矢量提取模型分别对第一语音和第二语音进行语音矢量提取，获得第一语音矢量和第二语音矢量；基于深度神经网络的矢量提取模型分别对第一语音和第二语音进行语音矢量提取，获得第三语音矢量和第四语音矢量；基于第一语音矢量和第二语音矢量进行声纹识别，获得表征第一语音与第二语音之间相似度的第一参数；基于第三语音矢量和第四语音矢量进行声纹识别，获得表征第一语音与第二语音之间相似度的第二参数；基于第一参数和第二参数，确认第一语音和第二语音是否来自同一声源。通过上述技术方案，解决了现有技术中不同类型声音的声纹识别准确性较低的技术问题，提升声纹识别的准确性。

技术领域

本发明涉及软件技术领域，特别涉及一种声纹识别方法、系统及电子设备。

背景技术

声纹识别(Voiceprint Recognition，VPR)，也称为说话人识别(SpeakerRecognition)，分为两类：说话人辨认和说话人确认。不管是辨认还是确认，需要进行特征提取和模式识别。

人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官：舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异，可以通过对声音进行特征提取和模式识别来识别不同人的声音。每个人的语音声学特征既有相对稳定性，又有变异性，其变异可来自生理、伪装、改变发声方式等，例如：一个人正常说话时的声音和其唱歌时的声音就有很大的差别。

现有技术中，对于同类型的声音，声纹识别的准确性已经很高了，如利用正常说话声识别正常说话声，但对于不同类型的声音，如正常说话声和歌唱声，由于两种声音差别很大，目前单一的声纹识别系统如基于通用背景模型(Universal Background Model，UBM)的特征提取和基于模板匹配方法的模式识别构成的声纹识别系统，无法获得很好的准确性。

发明内容

本发明实施例提供一种声纹识别方法、系统及电子设备，用于解决现有技术中对不同类型语音的声纹识别存在准确性较低的技术问题，提高声纹识别的准确性。

本发明实施例提供一种声纹识别方法，所述方法包括：

基于通用背景模型的矢量提取模型分别对第一语音和第二语音进行语音矢量提取，获得第一语音的第一语音矢量和第二语音的第二语音矢量；

基于深度神经网络的矢量提取模型分别对第一语音和第二语音进行语音矢量提取，获得第一语音的第三语音矢量和第二语音的第四语音矢量；

基于所述第一语音矢量和所述第二语音矢量进行声纹识别，获得表征所述第一语音与所述第二语音之间相似度的第一参数；

基于所述第三语音矢量和所述第四语音矢量进行声纹识别，获得表征所述第一语音与所述第二语音之间相似度的第二参数；

基于所述第一参数和所述第二参数，确认所述第一语音和所述第二语音是否来自同一声源。

可选的，所述第一参数包括第一得分和/或第二得分；

所述第一得分通过概率线性区分性分析模型对第一语音矢量和第二语音矢量进行声纹识别获得，用于所述第一语音与所述第二语音之间相似度；

所述第二得分通过深度神经网络的二分类模型对第一语音矢量和第二语音矢量进行声纹识别获得，用于表征所述第一语音与所述第二语音之间相似度。

可选的，所述第二参数包括第三得分和/或第四得分；

所述第三得分通过概率线性区分性分析模型对第三语音矢量和第四语音矢量进行声纹识别获得，用于表征所述第一语音与所述第二语音之间相似度；

所述第四得分通过深度神经网络的二分类模型对第三语音矢量和第四语音矢量进行声纹识别获得，用于表征所述第一语音与所述第二语音之间相似度。