[发明专利]基于多人通话的身份识别方法、系统、设备及存储介质

权利要求书

1.一种基于多人通话的身份识别方法，其特征在于，包括以下步骤：

S110、将具有多位用户参与的原始对话语音就进行自语音到文字的转换获得第一文本；

S120、将具有多位用户参与的对话语音进行基于静音抑制检测的分割，获得多个对话语句音频；

S130、将每个所述对话语句音频根据预设时长为单位切割为多段子音频，基于所述对话语句音频的时序，切割所述第一文本，获得对应每个所述子音频的第二文本；

S140、自子音频提取音频特征，输入深度学习网络，获得子音频的声纹特征信息；

S150、基于将每段子音频的声纹特征信息进行聚类，获得属于不同用户的所述子音频集合；

S160、根据每个所述子音频集合中所述子音频所对应的第二文本进行汇总得到第三文本，将所述第三文本输入身份识别神经网络获得所述子音频集合对应的预设身份。

2.根据权利要求1所述的基于多人通话的身份识别方法，其特征在于，所述步骤S130中，将时长不满足预设时长的子音频进行局部复制以使所有所述子音频满足预设时长。

3.根据权利要求1所述的基于多人通话的身份识别方法，其特征在于，所述步骤S150中，通过uisrnn网络获得属于不同用户的所述子音频集合。

4.根据权利要求1至3中任意一项所述的基于多人通话的身份识别方法，其特征在于，所述步骤S160之后还包括以下步骤：

S170、获得每个所述预设身份对应的对话语音和对应的第三文本。

5.根据权利要求5所述的基于多人通话的身份识别方法，其特征在于，所述步骤S170之后还包括以下步骤：

S180、当所述预设身份包括客户和供应商，自所述客户的对话语音对应的第三文本中提取出现次数最多的至少一个关键词，在所述供应商预设的产品库中搜索包含所述关键词的产品。

6.根据权利要求6所述的基于多人通话的身份识别方法，其特征在于，所述原始对话语音具有至少一位用户和多位供应商，所述供应商具有各自的产品库，则自所述客户的对话语音对应的第三文本中提取出现次数最多的至少一个关键词。

7.一种基于多人通话的身份识别系统，用于实现权利要求1所述的基于多人通话的身份识别方法，其特征在于，包括：

转写模块，将具有多位用户参与的原始对话语音就进行自语音到文字的转换获得第一文本；

分割模块，将具有多位用户参与的对话语音进行基于静音抑制检测的分割，获得多个对话语句音频；

切割模块，将每个所述对话语句音频根据预设时长为单位切割为多段子音频，基于所述对话语句音频的时序，切割所述第一文本，获得对应每个所述子音频的第二文本；

特征模块，自子音频提取音频特征，输入深度学习网络，获得子音频的声纹特征信息；

聚类模块，基于将每段子音频的声纹特征信息进行聚类，获得属于不同用户的所述子音频集合；

身份模块，根据每个所述子音频集合中所述子音频所对应的第二文本进行汇总得到第三文本，将所述第三文本输入身份识别神经网络获得所述子音频集合对应的预设身份。

8.一种基于多人通话的身份识别设备，其特征在于，包括：

处理器；

存储器，其中存储有所述处理器的可执行指令；

其中，所述处理器配置为经由执行所述可执行指令来执行权利要求1至6任意一项所述基于多人通话的身份识别方法的步骤。

9.一种计算机可读存储介质，用于存储程序，其特征在于，所述程序被执行时实现权利要求1至6任意一项所述基于多人通话的身份识别方法的步骤。