[发明专利]基于多麦克风场景的主说话人语音检测方法、装置及设备

说明书

本申请提供了一种基于多麦克风场景的主说话人语音检测方法、装置、计算机设备及计算机可读存储介质，属于人工智能技术领域，通过基于语音场景设置的多个预设麦克风对应的多个预设语音通道，获取多个预设语音通道传输的语音数据，基于语音数据，获取语音数据包含的主说话人的声纹特征，对语音数据及声纹特征进行多语音通道融合编码，以提取语音数据及声纹特征所包含的主说话人的语音隐藏向量序列数据，将语音隐藏向量序列数据进行解码，得到主说话人的主说话人语音数据，通过自动主说话人分析，以及利用语音场景中的多麦克风硬件资源，能够实现对语音场景中主说话人语音的自动检测，且能够提高语音场景中主说话人语音检测的准确性。

技术领域

本申请涉及人工智能技术领域，尤其涉及语音处理技术领域，具体涉及一种基于多麦克风场景的主说话人语音检测方法、装置、计算机设备及计算机可读存储介质。

背景技术

在包含干扰音的语音识别中，例如，车载语音助手、自动生成公开课字幕及自动会议纪要等语音识别场景中，通常主说话人语音过滤系统需要首先注册主要说话人的声纹特征，然后根据主说话人的声纹特征进行语音识别，否则将无法识别出主要说话人的声音。其中，注册主要说话人的声纹特征，一般通过录取该说话人数分钟的数据来生成x-vector向量(即该说话人的声纹特征)。发明人意识到，传统技术中通过预先注册主说话人声纹特征方式进行语音识别，将造成语音识别应用上的不便，降低对主说话人语音进行识别的效率与语音识别的灵活性。

发明内容

本申请提供了一种基于多麦克风场景的主说话人语音检测方法、装置、计算机设备及计算机可读存储介质，能够解决传统技术中对主说话人语音识别效率较低的技术问题。

第一方面，本申请提供了一种基于多麦克风场景的主说话人语音检测方法，所述方法包括：基于语音场景设置的多个预设麦克风对应的多个预设语音通道，获取所述预设语音通道传输的语音数据；基于所述语音数据，获取所述语音数据包含的主说话人的声纹特征；对所述语音数据及所述声纹特征进行多语音通道融合编码，以提取所述语音数据及所述声纹特征所包含的所述主说话人的语音隐藏向量序列数据；将所述语音隐藏向量序列数据进行解码，得到所述主说话人的主说话人语音数据。

第二方面，本申请还提供了一种基于多麦克风场景的主说话人语音检测装置，所述装置包括：第一获取单元，用于基于语音场景设置的多个预设麦克风对应的多个预设语音通道，获取所述预设语音通道传输的语音数据；第二获取单元，用于基于所述语音数据，获取所述语音数据包含的主说话人的声纹特征；编码单元，用于对所述语音数据及所述声纹特征进行多语音通道融合编码，以提取所述语音数据及所述声纹特征所包含的所述主说话人的语音隐藏向量序列数据；解码单元，用于将所述语音隐藏向量序列数据进行解码，得到所述主说话人的主说话人语音数据。

第三方面，本申请还提供了一种计算机设备，其包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现所述基于多麦克风场景的主说话人语音检测方法的步骤。

第四方面，本申请还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时使所述处理器执行所述基于多麦克风场景的主说话人语音检测方法的步骤。