[发明专利]声纹识别方法、装置、电子设备及存储介质

权利要求书

1.一种声纹识别方法，其特征在于，包括：

获取智能设备采集到的输入语音；

在确定所述输入语音中包含预设唤醒词后，在所述输入语音中，确定出所述预设唤醒词对应的每个状态对应的音频帧；

对于所述预设唤醒词的每个状态，对所述状态对应的音频帧的声学特征向量取平均，得到所述状态对应的目标特征向量；

将所述预设唤醒词的各状态对应的目标特征向量作为预先训练好的声纹识别模型的输入，以通过所述声纹识别模型对所述输入语音进行声纹识别。

2.根据权利要求1所述的方法，其特征在于，获取所述输入语音之后，还包括：

将所述输入语音进行分帧处理，得到若干个音频帧；

对各个音频帧进行声学特征提取，得到各个音频帧对应的声学特征向量。

3.根据权利要求1所述的方法，其特征在于，还包括：

根据所述声纹识别模型，对所述输入语音进行声纹识别，得到所述输入语音对应的目标声纹特征向量；

将所述目标声纹特征向量与数据库中的声纹特征向量进行比对，确定出所述目标声纹特征向量对应的用户标识，所述数据库中存储有声纹特征向量以及用户标识。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述预设唤醒词对应的每个状态对应的目标特征向量，确定所述输入语音中包含预设唤醒词的置信度；

若所述置信度大于预设置信度阈值，则指示唤醒所述智能设备。

5.根据权利要求4所述的方法，其特征在于，指示唤醒所述智能设备还包括：

根据所述声纹识别模型，对所述输入语音进行声纹识别，得到所述输入语音对应的目标声纹特征向量；

将所述目标声纹特征向量与指定用户的声纹特征向量进行比对；

在确认所述目标声纹特征向量属于所述指定用户后，指示唤醒所述智能设备。

6.根据权利要求1至5中任一所述的方法，其特征在于，所述预设唤醒词的状态的数量根据所述预设唤醒词对应的音素总数或音节总数确定。

7.一种声纹识别模型的训练方法，其特征在于，包括：

获取已知用户标识的音频数据，所述音频数据中包含预设唤醒词；

在所述音频数据中，确定出所述预设唤醒词对应的每个状态对应的音频帧；

对于所述预设唤醒词的每个状态，对所述状态对应的音频帧的声学特征向量取平均，得到所述状态对应的目标特征向量；

将所述预设唤醒词的各状态对应的目标特征向量确定为训练数据，将所述音频数据对应的用户标识确定为所述训练数据的训练标签，对声纹识别模型进行训练。

8.根据权利要求7所述的方法，其特征在于，在获取所述音频数据之后，还包括：

将所述音频数据进行分帧处理，得到若干个音频帧；

对各个音频帧进行声学特征提取，得到各个音频帧对应的声学特征向量。

9.一种声纹识别装置，其特征在于，包括：

获取模块，用于获取智能设备采集到的输入语音；

对齐模块，用于在确定所述输入语音中包含预设唤醒词后，在所述输入语音中，确定出所述预设唤醒词对应的每个状态对应的音频帧；

处理模块，用于对于所述预设唤醒词的每个状态，对所述状态对应的音频帧的声学特征向量取平均，得到所述状态对应的目标特征向量，并将所述预设唤醒词的各状态对应的目标特征向量作为预先训练好的声纹识别模型的输入，以通过所述声纹识别模型对所述输入语音进行声纹识别。

10.根据权利要求9的装置，其特征在于，还包括转换模块，用于：

在获取所述输入语音之后，将所述输入语音进行分帧处理，得到若干个音频帧；对各个音频帧进行声学特征提取，得到各个音频帧对应的声学特征向量。