[发明专利]语音校验方法、装置、电子设备及可读存储介质

说明书

本发明实施例提供了一种语音校验方法、装置、电子设备及计算机存储介质，所述方法包括：从待校验音频中提取声学谱参数，并根据所述声学谱参数确定所述待校验音频对应的音素序号序列；根据所述音素序号序列，确定所述待校验音频对应的音素嵌入向量，所述音素嵌入向量及所述声学谱参数形成所述待校验音频的声学复合特征；基于待校验用户的声学模型，对所述声学复合特征进行校验；基于校验结果，确定所述待校验音频是否为待校验用户的音频。由于在本语音校验方法中，增加了对音素嵌入向量的提取和识别，丰富了语音校验中从音频中提取的特征参数，提高了语音校验的正确性。

技术领域

本发明涉及数据处理技术领域，特别是涉及一种语音校验方法、一种语音校验装置、一种电子设备以及一种计算机可读存储介质。

背景技术

根据语音的特色是由发音器官的形状和质地特性决定的，因此可以像指纹一样可以唯一甄别出每个人。现有的声纹校验，也被称为语音校验，主要用于身份确认，辨别一段语音是否真的由本人说出，对于各种试图以假乱真的攻击，如他人模仿、仿真语音生成等，要求声纹校验应有足够的辨别力和准确度。

现有的声纹校验所校验的是语音中的声学谱参数，该声学谱参数，如Mel频率倒谱系数MFCC(Mel Frequency Cepstral Coefficents)，在语音校验领域，MFCC是将语音物理信息(频谱包络和细节)进行编码运算得到的一组特征向量，体现的是用户发出的语言信号的能量在不同频率范围的分布，是比较有用可用于声纹校验的语音物理信息。但是，发明人在使用上述现有的声纹校验进行声纹校验时，发现采用MFCC进行声纹校验时，MFCC并不能完全体现个人发音特性，还是存在识别准确不高的问题。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种语音校验方法、一种语音校验装置、一种电子设备，以及一种计算机可读存储介质。

本发明实施例的第一方面，提供了一种语音校验方法，所述方法应用于声纹校验系统，包括：

从待校验音频中提取声学谱参数，并根据所述声学谱参数确定所述待校验音频对应的音素序号序列；

根据所述音素序号序列，确定所述待校验音频对应的音素嵌入向量，所述音素嵌入向量及所述声学谱参数形成所述待校验音频的声学复合特征；

根据所述声学复合特征，确定所述待校验音频的声纹向量；

获取所述待校验音频针对的待校验用户在所述声纹校验系统中预存的声纹模型；

基于所述声纹模型，对所述声纹向量进行校验；

基于校验结果，确定所述待校验音频是否为所述待校验用户产生的音频。

可选地，所述方法还包括：

获取训练数据集，所述训练数据集中包括多个用户的录音样本，其中，每个用户对应多个录音样本；

针对每个的多个录音样本，执行如下步骤：

提取该用户的所述多个录音样本各自的样本声学复合特征，所述样本声学复合特征包括声学谱参数和音素嵌入向量；

根据所述样本声学复合特征，确定所述多个录音样本各自的样本声纹向量；

确定各所述样本声纹向量的平均向量，将所述平均向量作为该用户在所述声纹校验系统中的声纹模型。

可选地，所述声纹校验系统包括声纹提取层、余弦相似度计算层、逻辑回归层、误差计算层，针对所述训练数据集中的任意两个第一录音样本和第二录音样本，执行如下步骤：

获取所述第一录音样本的第一样本声纹向量，以及所述第一录音样本的第二样本声纹向量；