[发明专利]一种识别同一说话人的方法和装置

说明书

本发明公开一种识别同一说话人的方法和装置，该方法包括以下步骤：采集第一音频和第二音频，所述第一音频为第一说话人在第一背景环境下输出的人声，所述第二音频为第二说话人在所述第一背景环境下输出的人声；获取与所述第一背景环境对应的第一阈值；判断所述第一音频和所述第二音频的相似度是否大于所述第一阈值，若是，则确定所述第一说话人和所述第二说话人为同一说话人。本发明针对声纹识别的环境因素、语种等外部因素，判断音频背景环境并进行分类，从而确定阈值，并基于该阈值判断两个说话人是否为同一说话人，能够提升说话人识别的正确率。

技术领域

本发明涉及音频技术领域，特别涉及一种识别同一说话人的方法和装置。

背景技术

人类语言的产生，是人体语言中枢与发音器官之间一个复杂的生理物理过程。人在讲话时使用的发声器官（舌、牙齿、喉头、肺和鼻腔）在尺寸和形态方面，每个人的差异很大，所以，任何两个人的声纹图谱都有差异。所谓声纹(Voiceprint)，是指用电声学仪器显示的携带言语信息的声波频谱。每个人的语音声学特征既有相对稳定性，又有变异性，不是绝对的、一成不变的。这种变异可来自生理、病理、心理、模拟和伪装，也与环境干扰有关。尽管如此，由于每个人的发音器官都不尽相同，因此在一般情况下，人们仍能区别不同的人的声音或判断是否是同一人的声音。

作为生物识别技术的一种，声纹识别也称为说话人识别，包括说话人辨认和说话人确认。声纹识别技术将声音信号转换成电信号，再用计算机进行识别。不同的任务和应用会使用不同的声纹识别技术，例如，缩小刑侦范围时，可能需要说话人辨认技术，而银行交易时，则需要说话人确认技术。

与其他生物特征相比，声纹识别的应用仍具有以下优势：（1）蕴含声纹特征的语音获取方便、自然，声纹提取可在不知不觉中完成，因此使用者的接受程度也高；（2）获取语音的识别成本低廉，使用简单，一个麦克风即可，在使用通讯设备时更无需额外的录音设备；（3）适合远程身份确认，只需要一个麦克风或电话、手机就可以通过网路（通讯网络或互联网络）实现远程登录；（4）声纹辨认和确认的算法复杂度低；（5）配合一些其他措施，如通过语音识别进行内容鉴别等，可以提高准确率。这些优势使得声纹识别的应用越来越受到系统开发者和用户青睐，声纹识别的世界市场占有率为15.8%，仅次于基于指纹和掌纹的生物特征识别，并有不断上升的趋势。

然而，现有技术中，由于不同背景环境（如车载噪声，电话信道）以及语种等因素影响，会导致声纹识别结果不可靠。

发明内容

本发明提供了一种识别同一说话人的方法和装置，以解决现有技术中声纹识别结果不可靠的缺陷。

本发明提供了一种识别同一说话人的方法，包括以下步骤：

采集第一音频和第二音频，所述第一音频为第一说话人在第一背景环境下输出的人声，所述第二音频为第二说话人在所述第一背景环境下输出的人声；

获取与所述第一背景环境对应的第一阈值；

判断所述第一音频和所述第二音频的相似度是否大于所述第一阈值，若是，则确定所述第一说话人和所述第二说话人为同一说话人。

可选地，所述获取与所述第一背景环境对应的第一阈值，包括：

根据所述第一音频的噪声类型、说话语种和信噪比，确定与所述第一背景环境对应的第一阈值。

可选地，所述根据所述第一音频的噪声类型、说话语种和信噪比，确定与所述第一背景环境对应的第一阈值，包括：

获取与所述第一音频的噪声类型对应的第一噪声阈值、与所述第一音频的说话语种对应的第一语种阈值，以及与所述第一音频的信噪比对应的第一信噪比阈值；

根据所述第一噪声阈值、第一语种阈值和所述第一信噪比阈值，确定所述第一阈值。