[发明专利]一种语音指令的声纹安全性评分方法和系统

说明书

本发明公开了一种语音指令的声纹安全性评分方法和系统，属于智能语音系统中的说话人识别安全技术领域。方法包括声纹安全性分析，获取说话内容变量取值与声纹误识别率之间的数据对集合；将声纹安全性评分函数看作丰富度、长度、细节、模型为自变量的函数；分析说话内容变量与声纹认证误识别率间的对应关系，解耦声纹安全性评分函数，得到长度‑丰富度二维变量与误识别率、每种音素长度与误识别率的拟合函数；定义声纹安全性评分函数，构造误识别率与安全性评分间的映射关系，再通过上述拟合函数构造函数自变量与误识别率间的映射关系，构造声纹安全性评分函数，完成对语音指令的声纹安全性评分。

技术领域

本发明属于智能语音系统中的说话人识别安全技术领域，具体涉及一种语音指令的声纹安全性评分方法和系统。

背景技术

随着智能设备的普及和人工智能技术的发展，智能语音系统的应用越来越广泛。智能语音系统包含的功能有两个重要的分支，分别是语音识别和说话人识别，语音识别主要用于将声音转换成具有语义的文本，说话人识别主要用于通过语音识别的身份。说话人识别技术目前已在金融交易、资产管理、刑侦、电话服务、语音助手等行业中大量应用，并承担身份认证和识别等重要功能。智能语音系统的使用给各行业带来了便捷的同时也引入了新的安全问题。

根据声纹生成和使用的工作流程来看，声纹安全性与用户、说话内容、声纹模型、环境因素相关，且由于声纹主要用于身份认证和识别，因此声纹安全性可以用可区分性来衡量，具体来说声纹的可区分性可以用声纹认证或识别的准确率来量化。不同个体和组织可从不同的角度提升声纹的安全性，对于声纹模型训练厂商来说可以通过改进模型架构、增加训练数据等方式进行提升模型的鲁棒性；对于声纹服务应用厂商来说，可以通过限制声纹识别的语音音频长度、麦克风设备、语音指令内容等方式提升说话人系统的识别准确率；对于用户来说，在应用自定义语音内容的文本无关模型时，可以自行选择语音指令进行认证以提高声纹认证的可用性或安全性。综上所示，通过改变或规定声纹识别音频对应的说话内容来提高声纹的安全性是提高声纹安全性的重要方法。

构造基于说话内容改变提高声纹安全性的防御方法，需要基于声纹安全性的分析和测量结果。通过读取说话音频的对应文本内容，将说话内容转化成音素序列，将语音音频转化成音素音频的组合，用长度、丰富度等音素指标表示音频的说话内容，用音素音频重组成测试音频，对音素特征构成的说话内容变量进行测试，可得到不同说话内容对应的声纹识别准确率。用测试的方法可以对不同说话内容之间进行比较，但测试和比较的成本很大。例如在语音助手场景下，若说话人系统提供文本无关声纹模型，用户可以自行定义语音助手唤醒词和其他语音指令，但用户不具备测试语音指令声纹识别准确率的软硬件条件和专业知识，无法直接快速的判断语音指令的安全性，设置或选择合适的唤醒词等语音指令。因此亟需一种针对语音指令的声纹安全性评分方法和系统，帮助用户和没有测试能力的厂家快速选择安全的语音指令。目前已有部分工作研究说话内容的声纹安全性。

目前已有部分工作评价不同说话内容对声纹安全性的影响力，这些工作从语音持续时间、包含的音位等角度出发，通过测试得到说话内容某个方面的安全性影响力，研究内容偏向于测试，测试之后进行了少量的分析评价工作，得到了部分粗粒度的定性结论。另外还存在少量工作从特征信息熵的角度量化计算不同时间长度的说话内容提供的声纹信息。现有研究中缺少对说话内容声纹安全性的定量评价方法和系统。

此外，现有技术中还包括对声纹模型的改进，例如首先探究音素对说话人系统的影响，针对单音素声纹模型，进行模型间性能差距比较，或对多个单音素声纹模型进行融合，提高声纹模型的安全性。此类工作采用分割训练音频的方式训练特殊的声纹，与常用声纹生成流程不同，难以反映一般声纹模型下说话内容中各类音素特征的安全影响力。

发明内容