[发明专利]声纹识别方法、装置、电子设备及存储介质

说明书

本发明涉及语音识别技术领域，公开了一种声纹识别方法、装置、电子设备及存储介质，所述方法包括：获取智能设备采集到的输入语音；在输入语音中，确定出预设唤醒词对应的每个状态对应的音频帧；对于预设唤醒词的每个状态，对状态对应的音频帧的声学特征向量取平均，得到状态对应的目标特征向量；将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，以通过声纹识别模型对输入语音进行声纹识别。本发明实施例提供的技术方案，对用户输入的语音进行降噪处理，使得通过声纹识别模型得到的声纹特征向量能够更好地还原用户的声纹特征，提高识别成功率。

技术领域

本发明涉及语音识别技术领域，尤其涉及一种声纹识别方法、装置、电子设备及存储介质。

背景技术

随着语音识别技术的发展，人机交互也越来越频繁，因此，人们更希望自己使用的设备能“认识”自己，而不是将所有人都当作主人。为了能让设备通过声音识别指定的用户，提出了声纹识别技术。目前使用的声纹识别技术，在注册阶段对用户的语音创建统计模型，在识别阶段，将输入的语音用户与创建的统计模型进行比较，以判断输入的语音是否属于创建的统计模型来判断是否是注册的用户。

但是，无论在注册阶段还是识别阶段，用户输入的语音都会受到环境噪声的干扰，影响建模结果和识别结果，从而降低声纹识别的准确度。

发明内容

本发明实施例提供一种声纹识别方法、装置、电子设备及存储介质，以解决现有技术中输入语音受到环境噪声的干扰而影响建模和识别结果，从而降低声纹识别的准确度的问题。

第一方面，本发明一实施例提供了一种声纹识别方法，包括：

获取智能设备采集到的输入语音；

在输入语音中，确定出预设唤醒词对应的每个状态对应的音频帧；

对于预设唤醒词的每个状态，对状态对应的音频帧的声学特征向量取平均，得到状态对应的目标特征向量；

将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，以通过声纹识别模型对输入语音进行声纹识别。

第二方面，本发明一实施例提供了一种声纹识别模型的训练方法，包括：

获取已知用户标识的音频数据，音频数据中包含预设唤醒词；

在音频数据中，确定出预设唤醒词对应的每个状态对应的音频帧；

对于预设唤醒词的每个状态，对状态对应的音频帧的声学特征向量取平均，得到状态对应的目标特征向量；

将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，将音频数据对应的用户标识确定为训练数据的训练标签，对声纹识别模型进行训练。

第三方面，本发明一实施例提供了一种声纹识别装置，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，用于在输入语音中，确定出预设唤醒词对应的每个状态对应的音频帧；

处理模块，用于对于预设唤醒词的每个状态，对状态对应的音频帧的声学特征向量取平均，得到状态对应的目标特征向量，并将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，以通过声纹识别模型对输入语音进行声纹识别。

第四方面，本发明一实施例提供了一种声纹识别模型的训练装置，包括：

数据获取模块，用于获取已知用户标识的音频数据，音频数据中包含预设唤醒词；

确定模块，用于在音频数据中，确定出预设唤醒词对应的每个状态对应的音频帧；

平均模块，用于对于预设唤醒词的每个状态，对状态对应的音频帧的声学特征向量取平均，得到状态对应的目标特征向量；