[发明专利]用于处理语音的人声数据的方法和设备

说明书

提供了一种用于处理从说话者接收的语音的人声数据的方法和设备。所述方法包括：从接收自说话者的语音的人声数据提取说话者特征向量，通过将提取的说话者特征向量定位在多维向量空间上的特定位置处来生成说话者特征图，通过对位于说话者特征图上的至少一个说话者特征向量进行分组来形成指示多个说话者的人声的特征的多个集群，以及根据所述多个集群对所述多个说话者进行分类。

技术领域

本公开涉及一种用于处理从用户接收的语音的人声数据的方法和设备。

背景技术

随着多媒体技术和网络技术的发展，可通过使用装置向用户提供各种服务。最近，随着人工智能(AI)技术的发展，用户可向装置输入人声并基于人声的输入来执行装置的操作。

在多个用户使用多用户装置的情况下，为了基于每个用户的人声输入提供个性化服务，需要从语音中识别用户。根据相关技术，使用了一种技术，由此在用户的语音被输入并存储在装置中并且与所存储的语音相应的用户的识别信息被注册之后，基于从用户输入的语音与预先注册的语音之间的比较的匹配概率来执行用户识别。然而，该技术需要在使用服务之前存储用户的人声并注册识别信息的处理。此外，根据相关技术，存在基于输入语音预测多个用户之间的关系或用户的当前状态的限制。

上述信息仅作为背景信息呈现，以帮助理解本公开。关于上述内容中的任何一个内容是否可应用为关于本公开的现有技术，没有做出任何确定，也没有做出任何断言。

发明内容

本公开的各方面是为了至少解决上述问题和/或缺点，并且至少提供下面描述的优点。因此，本公开的一方面是提供一种用于处理从说话者接收的语音的人声数据的方法和设备。具体地，本公开将提供一种用于从语音的人声数据提取特征向量，基于提取的特征向量生成说话者特征图，并且基于特征向量在所生成的说话者特征图上的位置关系对说话者进行分类的方法和设备。

本公开的另一方面是提供一种用于基于特征向量在说话者特征图上的位置关系来预测用户之间的关系以及用户的状态信息的方法和设备。

另外的方面将部分地在下面的描述中阐述，并且部分地将从描述中显而易见，或者可通过实践本公开的所呈现的实施例来学习。

有益效果

根据本公开的实施例通过仅使用输入的语音来对多个说话者进行分类，而无需另外注册用户识别信息。因此，根据本公开的实施例在用户未注册时为每个说话者提供个性化服务，因此提高了使用便利性。

附图说明

通过以下结合附图的描述，本公开的特定实施例的上述和其他方面、特征和优点将更加明显，其中：

图1是示出根据本公开的实施例的由电子装置执行的通过处理从说话者输入的语音的人声数据来生成说话者特征图并且对说话者特征图上的多个说话者进行分类的方法的示例的示图；

图2A是根据本公开的实施例的电子装置的组件的框图；

图2B是根据本公开的实施例的电子装置和服务器的组件的框图；

图3A是根据本公开的实施例的由电子装置执行的处理从说话者输入的语音的人声数据的方法的流程图；

图3B是根据本公开的实施例的包括电子装置和服务器的系统的操作方法的流程图；

图3C是根据本公开的实施例的包括电子装置和服务器的系统的操作方法的流程图；

图3D是根据本公开的实施例的包括电子装置和服务器的系统的操作方法的流程图；

图4A是用于描述根据本公的开实施例的由电子装置执行的通过处理从说话者输入的人声数据来生成说话者特征图的方法的示图；

图4B是用于描述根据本公开的实施例的由电子装置执行的通过处理从说话者输入的人声数据来生成说话者特征图的方法的示图；