[发明专利]一种音素/音节提取方法及装置

说明书

本发明公开了一种音素/音节提取方法及装置，包括：S1：获取通过对目标声像资料片段进行人工鉴别得到的先验的音素/音节集合，根据先验的音素/音节集合对预置的语音特征提取模型进行训练，得到训练后的语音特征提取模型；S2：通过训练后的语音特征提取模型对目标声像资料进行音素/音节提取，得到完整的音素/音节集合。本发明的音素/音节提取方法将人工鉴别和机器提取相结合，与纯人工鉴别相比，减少了人力和耗时，提高了提取效率，与纯机器提取相比，以先验的音素/音节集合对语音特征提取模型进行训练，通过训练后的语音特征提取模型进行音素/音节提取，提高了准确性，解决了当前的音节/音节提取方法无法同时兼顾准确性和效率的技术问题。

技术领域

本发明涉及声纹领域，尤其涉及一种音素/音节提取方法及装置。

背景技术

随着科技的发展，声纹(Voiceprint)识别在生活中的应用逐渐增多，其中，声纹是指用电声学仪器显示的携带言语信息的声波频谱。

现代科学研究表明，声纹不仅具有特定性，而且具有相对稳定性的特点。实验证明，成年以后人的声音可保持长期相对稳定不变，且无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹却始终不相同。基于声纹的这两个特征，侦查人员就可将获取的犯罪分子的声纹和嫌疑人的声纹，通过声纹鉴定技术进行检验对比，迅速认定罪犯，为侦查破案提供可靠的证据

声纹鉴定又称语音同一性鉴定，或话者识别/鉴定，指的通过比较、分析和对声像资料记载的语音的同一性问题所进行的科学判断。在实际公安及司法工作中，鉴定人员常常需要对涉案语音(如勒索、恐吓电话录音，经济纠纷中当事双方的谈话录音等)进行检验，分析说话人的身份和判断涉案语音(检材语音)与特定对象语音(样本语音)是否来源于同一人，并作出科学的评判性书面意见—语音同一性鉴定意见，进而为案件的调查提供线索和方向，为法庭诉讼提供证据。

声纹鉴定主要分成两类：即话者辨认(SpeakerIdentification)和话者确认(SpeakerVerification)。前者用以判断某段语音是若干人中的哪一个所说的，是“多选一”问题，而后者用以确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。如缩小刑侦范围时可能需要辨认技术，而银行交易时则需要确认技术。

不管是辨认还是确认，都需要先对说话人的声纹进行建模。建模需要提取声像资料中的目前对象的音素或者音节。当前主要采用人工鉴定的方法或者纯机器提取的方法，人工鉴定的方法准确性高，但是需要的人力多，且耗时长，效率低下，通过纯机器提取的方法，效率高，但是准确性低。

因此，导致了当前的音节/音节提取方法无法同时兼顾准确性和效率的技术问题。

发明内容

本发明提供了一种音素/音节提取方法及装置，解决了当前的音节/音节提取方法无法同时兼顾准确性和效率的技术问题。

本发明提供了一种音素/音节提取方法，包括：

S1：获取通过对目标声像资料片段进行人工鉴别得到的先验的音素/音节集合，并根据先验的音素/音节集合对预置的语音特征提取模型进行训练，得到训练后的语音特征提取模型；

S2：通过训练后的语音特征提取模型对目标声像资料进行音素/音节提取，得到完整的音素/音节集合。

优选地，步骤S2具体包括：

S21：对目标声像资料进行初步音素/音节提取得到未筛选的音素/音节集合；

S22：通过训练后的语音特征提取模型对未筛选的音素/音节集合进行模型匹配，提取未筛选的音素/音节集合中与训练后的语音特征提取模型的匹配度超过预置阈值的音素/音节，得到完整的音素/音节集合。

优选地，步骤S1之前还包括：S0；