[发明专利]语音认证方法和信息处理设备

权利要求书

1.一种信息处理设备，所述设备包括:

处理器，所述处理器被配置为：

从预定元素集中随机选择至少一个元素；

得到被测用户对所选元素的语音输入；

将被测用户对每个所选元素的语音输入输入到预训练的神经网络模型，并提取该神经网络模型的一个层的输出数据，作为能够表征被测用户身份以及该元素的综合特征，其中，该神经网络模型为深度神经网络模型并且该一个层为深度神经网络中实现信息集中和降维的层，并且该综合特征具有D矢量的形式；以及

将所获得的被测用户的关于每个所选元素的综合特征与基于特定用户对该元素的语音输入利用预训练的神经网络模型获得的综合特征进行比较，以至少部分地基于综合特征比较的结果判断被测用户是否为特定用户，

其中，预训练的神经网络模型是利用训练语音数据，通过以识别说话人身份和预定元素集中的元素作为联合任务进行训练而获得的。

2.如权利要求1所述的信息处理设备，

其中，通过下述方式进行神经网络模型的训练：利用标记有说话人身份和元素的、不同说话人对预定元素集中的各个元素的训练语音数据，训练神经网络模型，使得神经网络模型针对输入语音数据输出相应的说话人身份和元素。

3.如权利要求1或2所述的信息处理设备，其中，所述处理器进一步被配置为：

将被测用户对所选元素的语音输入输入到预训练的身份识别神经网络模型，并提取身份识别神经网络模型的一个层的输出数据，作为能够表征被测用户身份的身份特征；以及

将所获得的被测用户的身份特征与基于特定用户对预定元素集的语音输入利用身份识别神经网络模型获得的身份特征进行比较，以至少部分地基于身份特征比较的结果和综合特征比较的结果判断被测用户是否为特定用户。

4.如权利要求3所述的信息处理设备，其中，所述处理器进一步被配置为：

对被测用户对所选元素的语音输入进行语音识别；以及

将语音识别的结果与所选元素进行比较，以至少部分地基于该比较的结果、身份特征比较的结果以及综合特征比较的结果来判断被测用户是否为特定用户。

5.如权利要求1或2所述的信息处理设备，其中，所述处理器被配置为利用余弦距离方法对综合特征进行比较。

6.如权利要求1或2所述的信息处理设备，其中，预定元素集中的元素包括数字、字母、和/或单词。

7.如权利要求1或2所述的信息处理设备，其中，从预定元素集中随机选择的元素的数目在预定元素集中的元素的总数目的三分之一与二分之一之间。

8.一种语音认证方法，包括：

从预定元素集中随机选择至少一个元素；

得到被测用户对所选元素的语音输入；

将被测用户对每个所选元素的语音输入输入到预训练的神经网络模型，并提取该神经网络模型的一个层的输出数据，作为能够表征被测用户身份以及该元素的综合特征，其中，该神经网络模型为深度神经网络模型并且该一个层为深度神经网络中实现信息集中和降维的层，并且该综合特征具有D矢量的形式；以及

将所获得的被测用户的关于每个所选元素的综合特征与基于特定用户对该元素的语音输入利用预训练的神经网络模型获得的综合特征进行比较，以至少部分地基于综合特征比较的结果判断被测用户是否为特定用户，

其中，预训练的神经网络模型是利用训练语音数据，通过以识别说话人身份和预定元素集中的元素作为联合任务进行训练而获得的。