[发明专利]一种声纹神经网络模型的训练方法、装置及存储介质

权利要求书

1.一种声纹神经网络模型的训练方法，其特征在于，所述方法包括：

采集语音训练样本；

对所述语音训练样本进行特征提取，获得语音训练数据；

利用一维卷积网络结构和残差网络结构结合的方式来构建神经网络模型，包括：去除所述神经网络模型中的Softmaxloss层及所述Softmaxloss层的相邻层，得到裁剪后的神经网络模型；

利用所获得的语音训练数据对所述裁剪后的神经网络模型进行训练，得到训练好的声纹神经网络模型。

2.根据权利要求1所述的方法，其特征在于，对所述语音训练样本进行特征提取，获得语音训练数据，包括：

对所述语音训练样本进行fbank/mfcc特征提取，获得包含fbank/mfcc特征的语音训练数据。

3.根据权利要求1至2任一项所述的方法，其特征在于，所述方法还包括：对所述训练好的声纹神经网络模型进行参数定点化处理，得到各网络层级的参数信息。

4.根据权利要求3所述的方法，其特征在于，对所述训练好的声纹神经网络模型进行参数定点化处理，得到各网络层级的参数信息，包括：

针对所述训练好的声纹神经网络模型中的fc1层，采用奇异值分解技术来分解所述fc1层的权重矩阵，保留特定数量的特征值作为所述fc1层的参数信息。

5.一种声纹神经网络模型的训练装置，其特征在于，所述装置包括：

采集模块，用于采集语音训练样本；

特征提取模块，用于对所述语音训练样本进行特征提取，获得语音训练数据；

模型构建模块，用于利用一维卷积网络结构和残差网络结构结合的方式来构建神经网络模型，包括：去除所述神经网络模型中的Softmaxloss层及所述Softmaxloss层的相邻层，得到裁剪后的神经网络模型；

模型训练模块，用于利用所获得的语音训练数据对所述裁剪后的神经网络模型进行训练，得到训练好的声纹神经网络模型。

6.根据权利要求5所述的装置，其特征在于，

所述特征提取模块，具体用于对所述语音训练样本进行fbank/mfcc特征提取，获得包含fbank/mfcc特征的语音训练数据。

7.根据权利要求5至6任一项所述的装置，其特征在于，所述装置还包括：

参数定点化处理模块，用于对所述训练好的声纹神经网络模型进行参数定点化处理，得到各网络层级的参数信息。

8.一种计算机存储介质，其特征在于，所述存储介质中存储有计算机可执行指令，当所述指令被执行时用于执行权利要求1至4任一项所述声纹神经网络模型的训练方法。