[发明专利]一种声纹识别方法、装置、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：

获取目标语音；

通过预先建立的声纹提取模型，确定所述目标语音的文本标签，其中，所述文本标签用于指示所述目标语音对应的文本；

根据所述目标语音的文本标签对所述目标语音进行文本验证；

若文本验证通过，利用所述声纹提取模型和所述目标语音的文本标签，对所述目标语音进行声纹验证；

其中，所述利用所述声纹提取模型和所述目标语音的文本标签，对所述目标语音进行声纹验证，包括：

利用所述声纹提取模型和所述目标语音的文本标签，确定所述目标语音对应的声纹模型；

根据所述目标语音对应的声纹模型对所述目标语音进行声纹验证。

2.根据权利要求1所述的声纹识别方法，其特征在于，所述确定所述目标语音的文本标签，包括：

获取所述目标语音的目标特征，其中，所述目标语音的目标特征包含所述目标语音对应文本的结构化信息，且包含所述目标语音的关键帧信息和上下文相对位置信息；

根据所述目标语音的目标特征，确定所述目标语音的文本标签。

3.根据权利要求2所述的声纹识别方法，其特征在于，所述确定所述目标语音对应的声纹模型，包括：

根据所述目标语音的目标特征和所述目标语音的文本标签，确定所述目标语音对应的文本中每个文本单元对应的说话人身份向量；

其中，所述目标语音对应的文本中所有文本单元对应的说话人身份向量组成所述目标语音对应的声纹模型。

4.根据权利要求3所述的声纹识别方法，其特征在于，所述根据所述目标语音的目标特征和所述目标语音的文本标签，确定所述目标语音对应的文本中每个文本单元对应的说话人身份向量，包括：

根据所述目标语音的文本标签，确定所述目标语音对应的文本中每个文本单元在所述目标语音中的起始位置和结束位置；

根据所述目标语音对应的文本中每个文本单元在所述目标语音中的起始位置和结束位置，从所述目标语音的目标特征中获取所述目标语音对应的文本中每个文本单元的特征片段；

根据所述目标语音对应的文本中每个文本单元的特征片段，确定所述目标语音对应的文本中每个文本单元对应的说话人身份向量。

5.根据权利要求1所述的声纹识别方法，其特征在于，预先建立所述声纹提取模型的过程，包括：

从训练数据集中获取训练语音，其中，所述训练语音具有一真实说话人标签和一真实文本标签；

预测所述训练语音的文本标签；

确定所述训练语音对应的声纹模型，并根据所述训练语音对应的声纹模型预测所述训练语音的说话人标签；

根据预测的文本标签和预测的说话人标签，以及所述训练语音的真实文本标签和真实说话人标签，更新声纹提取模型的参数；

在文本预测准确率和说话人预测准确率稳定后，移除声纹提取模型中用于预测说话人标签的说话人预测模块。

6.根据权利要求5所述的声纹识别方法，其特征在于，所述预测所述训练语音的文本标签，包括：

获取所述训练语音的语音特征；

利用声纹提取模型中的特征处理模块和所述训练语音的语音特征，确定所述训练语音的目标特征，其中，所述训练语音的目标特征包含所述训练语音对应文本的结构化信息，且包含所述训练语音的关键帧信息和上下文相对位置信息；

利用声纹提取模型中的文本预测模块和所述训练语音的目标特征，预测所述训练语音的文本标签。

7.根据权利要求6所述的声纹识别方法，其特征在于，所述确定所述训练语音对应的声纹模型，并根据所述训练语音对应的声纹模型预测所述训练语音的说话人标签，包括：

利用声纹提取模型的身份表征模块和所述训练语音的目标特征，确定所述训练语音对应的文本中每个文本单元对应的说话人身份向量；

利用声纹提取模型的说话人预测模块和所述训练语音对应的文本中每个文本单元对应的说话人身份向量，预测所述训练语音对应的文本中每个文本单元的说话人标签。