声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质制造方法及图纸

本发明专利技术提供一种声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质，涉及数据处理技术领域。包括：从语音样本的音素中，确定目标音素样本，语音样本的音素预先标注有说话人标签；生成目标音素样本中音素的宽带语谱图和窄带语谱图；获取宽带语谱图的第一样本特征信息和窄带语谱图的第二样本特征信息；根据第一样本特征信息和第二样本特征信息，采用预设的神经网络架构进行模型训练，得到具有神经网络架构的声纹鉴定模型。宽带语谱图的第一样本特征信息，以及窄带语谱图的第二样本特征信息，训练得到具有神经网络架构的声纹鉴定模型，基于该声纹鉴定模型可以对待鉴定语音进行声纹鉴定，减少了人力资源的浪费，提高了声纹鉴定的客观性和准确性。

【技术实现步骤摘要】
声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质
本专利技术涉及数据处理
，具体而言，涉及一种声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质。
技术介绍
声纹识别属于一种识别技术，也称为说话人识别。不同的人说出的语音信息，对应的声纹可以不同，对一段语音信息进行识别以识别出对应的声纹，即对应的说话人，也变得越来越重要。相关技术中，通过人耳对语音信息进行倾听，继而通过人工识别出该语音信息对应的声纹。但是，相关技术中，通过人耳识别声纹，浪费了不必要的人力资源，还容易出现识别结果不准确的问题。
技术实现思路
本专利技术的目的在于，针对上述现有技术中的不足，提供一种声纹鉴定模型训练、声纹鉴定方法、装置、设备及介质，以便解决相关技术中，通过人耳识别声纹，浪费了不必要的人力资源，还容易出现识别结果不准确的问题。为实现上述目的，本专利技术实施例采用的技术方案如下：第一方面，本专利技术实施例提供了一种声纹鉴定模型的训练方法，包括：从语音样本的音素中，确定目标音素样本，所述语音样本的音素预本文档来自技高网...

【技术保护点】
1.一种声纹鉴定模型的训练方法，其特征在于，包括：/n从语音样本的音素中，确定目标音素样本，所述语音样本的音素预先标注有说话人标签；/n生成所述目标音素样本中音素的宽带语谱图和窄带语谱图；/n获取所述宽带语谱图的第一样本特征信息和所述窄带语谱图的第二样本特征信息；/n根据所述第一样本特征信息和所述第二样本特征信息，采用预设的神经网络架构进行模型训练，得到具有所述神经网络架构的声纹鉴定模型。/n

【技术特征摘要】
1.一种声纹鉴定模型的训练方法，其特征在于，包括：
从语音样本的音素中，确定目标音素样本，所述语音样本的音素预先标注有说话人标签；
生成所述目标音素样本中音素的宽带语谱图和窄带语谱图；
获取所述宽带语谱图的第一样本特征信息和所述窄带语谱图的第二样本特征信息；
根据所述第一样本特征信息和所述第二样本特征信息，采用预设的神经网络架构进行模型训练，得到具有所述神经网络架构的声纹鉴定模型。


2.如权利要求1所述的方法，其特征在于，所述从语音样本的音素中，确定目标音素样本，包括：
从所述语音样本的音素中选择参考音素样本；
根据所述参考音素样本中的音素，从所述语音样本的音素中确定具有同一说话人标签的音素作为同类音素样本；
根据所述参考音素样本中的音素，从所述语音样本的音素中确定具有不同说话人标签的音素作为异类音素样本；
所述目标音素样本包括：所述参考音素样本、所述同类音素样本和所述异类音素样本。


3.如权利要求1所述的方法，其特征在于，所述生成所述目标音素样本中音素的宽带语谱图和窄带语谱图，包括：
对所述目标音素样本中音素进行数据增强；
绘制数据增强后的音素的所述宽带语谱图和所述窄带语谱图。


4.如权利要求3所述的方法，其特征在于，所述绘制数据增强后的音素的所述宽带语谱图和所述窄带语谱图，包括：
对所述数据增强后的音素进行分帧处理，得到多个音素帧；
根据每个音素帧的帧长，对所述每个音素帧进行加窗处理，得到加窗后的音素帧；
对所述加窗后的音素帧进行傅立叶变换，得到频域音素帧；
计算所述频域音素帧在频率刻度的能量；
根据所述频率刻度的能量，绘制所述宽带语谱图和所述窄带语谱图。


5.如权利要求4所述的方法，其特征在于，所述根据所述频率刻度的能量，绘制所述宽带语谱图和所述窄带语谱图，包括：
将所述频率刻度的能量整合成二维矩阵；
对所述二维矩阵进行灰度映射，得到所述宽带语谱图和所述窄带语谱图。


6.如权利要求1-5中任一所述的方法，其特征在于，所述第一样本特征信息包括：共振峰和功率谱...

【专利技术属性】
技术研发人员：曹岩岗，
申请(专利权)人：北京远鉴信息技术有限公司，
类型：发明
国别省市：北京;11