本申请提供一种声纹鉴定方法、模型训练方法、装置、设备及存储介质，涉及声纹鉴定技术领域。该方法包括：获取待鉴定语音数据；将待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，其中，待输入特征包括：多个预设维度的特征；根据待输入特征以及预设声纹鉴定模型，识别获取语音数据库中是否存在与待鉴定语音数据匹配的目标语音。若存在，则确定待鉴定语音数据通过鉴定。相对于现有技术，避免了根据单一特征维度确定目标语音，或根据主观性确定声纹鉴定结果的方式，导致准确性不够高的问题。导致准确性不够高的问题。导致准确性不够高的问题。
【技术实现步骤摘要】
声纹鉴定方法、模型训练方法、装置、设备及存储介质
[0001]本申请涉及声纹鉴定
，具体而言，涉及一种声纹鉴定方法、模型训练方法、装置、设备及存储介质。
技术介绍
[0002]声纹与DNA、指纹等特征一样，是每个人所具有的特征，可以用来鉴别身份，在刑侦、支付、安全、密码等领域有着巨大的潜力。
[0003]现有技术中的声纹鉴定，一般首先提取语音的特征，然后通过对比检材语音特征和样本语音特征的相似性，做出同一性判断。现在的声纹鉴定技术主要的理论依据是源-滤波模型(Source-Filter Model)，其中共振峰反映的仅是声道特性，即软腭、舌头、口腔和鼻腔等器官组成的声学通道，共振峰所在频率就是声道的共振频率，除了声道特性，声源特性—基频也进行了考虑，基频反映了在气流的冲击下声带的震动频率。目前声纹鉴定的普遍路线是提取样本和检材语音中的相同音素，然后通过检验音素共振峰和基频的相关属性来进行同一性判定。
[0004]但是这种判定方式由于从音素中提取的特征维度比较单一，主观性太强，从而可能导致识别结果不准确的问题。
技术实现思路
[0005]本申请的目的在于，针对上述现有技术中的不足，提供一种声纹鉴定方法、模型训练方法、装置、设备及存储介质，以解决现有技术中根据单一特征维度确定目标语音，或根据主观性确定声纹鉴定结果的方式，导致准确性不够高的问题。
[0006]为实现上述目的，本申请实施例采用的技术方案如下：
[0007]第一方面，本申请一实施例提供了一种声纹鉴定方法，所述方法包括：
[0008]获取待鉴定语音数据；
[0009]将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，其中，所述待输入特征包括：多个预设维度的特征；
[0010]根据所述待输入特征以及预设声纹鉴定模型，识别获取所述语音数据库中是否存在与所述待鉴定语音数据匹配的目标语音，其中，所述预设声纹鉴定模型根据样本数据集训练获取，所述样本数据集包括：标注有匹配标识的样本语音，以及各所述样本语音的多个预设维度的特征；
[0011]若存在，则确定所述待鉴定语音数据通过鉴定。
[0012]可选地，所述样本数据包括：正样本数据和负样本数据；
[0013]所述正样本数据包括：同一主体发出的相同样本语音、以及各所述样本语音的预设维度的特征；
[0014]所述负样本数据包括：不同主体发出的相同样本语音、以及各所述样本语音的预设维度的特征。
[0015]可选地，所述将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征之前，还包括：
[0016]从所述待鉴定语音数据和语音数据库中的待匹配语音数据中提取包含相同关键词的片段；
[0017]从所述片段中提取相同的待鉴定音素；
[0018]所述将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，包括：
[0019]对所述待鉴定音素进行特征提取，获取待输入特征。
[0020]可选地，所述预设声纹鉴定模型包括：支持向量机的分类决策函数；
[0021]所述根据所述待输入特征以及预设声纹鉴定模型，识别获取所述语音数据库中与所述待鉴定语音数据匹配的目标语音，包括：
[0022]将所述待输入特征输入所述支持向量机的分类决策函数，获取输出结果；
[0023]其中，在所述输出结果为1时，表示所述待鉴定语音数据与所述目标语音匹配成功，即待鉴定语音通过鉴定；在所述输出结果为-1时，则表示所述待鉴定语音数据未匹配到一致的语音，即待鉴定语音鉴定未通过鉴定。
[0024]可选地，多个预设维度的特征包括下述一项或多项：音频、共振峰信息、梅尔倒谱系数、伽马通倒谱系数、感知线性预测；
[0025]其中，所述共振峰信息包括下述一项或多项：共振峰所在的频率，-3dB带宽和强度。
[0026]第二方面，本申请另一实施例提供了一种声纹鉴定模型的训练方法，包括：
[0027]获取样本数据集，所述样本数据集包括：标注有匹配标识的样本语音，以及各所述样本语音的多个预设维度的特征；
[0028]根据所述样本数据集、以及预设函数训练获取所述声纹鉴定模型。
[0029]可选地，所述样本数据包括：正样本数据和负样本数据；
[0030]所述获取样本数据集，包括：
[0031]获取同一主体发出的相同样本语音，并标记所述主体作为匹配标识；
[0032]获取所述同一主体发出的相同样本语音的多个所述预设维度的特征，作为所述正样本数据；以及，
[0033]获取不同主体发出的相同样本语音，并标记所述主体作为匹配标识；
[0034]获取所述不同主体发出的相同样本语音的多个所述预设维度的特征，作为所述负样本数据。
[0035]可选地，所述获取所述同一主体发出的不同样本语音的多个所述预设维度的特征，包括：
[0036]提取所述同一主体发出的相同样本语音的音素，并进行配对，获取音素对；
[0037]提取各所述音素对的多个所述预设维度的特征；
[0038]所述获取所述不同主体发出的相同样本语音的多个所述预设维度的特征，包括：
[0039]提取所述不同主体发出的相同样本语音的音素，并进行配对，获取音素对；
[0040]提取各所述音素对的多个所述预设维度的特征。
[0041]可选地，所述预设函数为支持向量机的分类决策函数；
[0042]所述根据所述样本数据集、以及预设函数训练获取所述声纹鉴定模型，包括：
[0043]将所述样本数据集带入支持向量机，计算支持向量机的解向量，以及分类决策函数，获取所述声纹鉴定模型。
[0044]可选地，多个预设维度的特征包括下述一项或多项：基频、共振峰信息、梅尔倒谱系数、伽马通倒谱系数、感知线性预测；
[0045]其中，所述共振峰信息包括下述一项或多项：共振峰所在的频率，-3dB带宽和强度。
[0046]第三方面，本申请一实施例提供了一种声纹鉴定装置，所述装置包括：获取模块、识别模块和确定模块，其中：
[0047]所述获取模块，用于获取待鉴定语音数据；将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，其中，所述待输入特征包括：多个预设维度的特征；
[0048]所述识别模块，用于根据所述待输入特征以及预设声纹鉴定模型，识别获取所述语音数据库中是否存在与所述待鉴定语音数据匹配的目标语音，其中，所述预设声纹鉴定模型根据样本数据集训练获取，所述样本数据集包括：标注有匹配标识的样本语音，以及各所述样本语音的多个预设维度的特征；
[0049]确定模块，用于若存在，则确定所述待鉴定语音数据通过鉴定。
[0050]可选地，所述装置还包括：提取模块，用于从所述待鉴定语音数据和语音数据库中的待匹配语音数据中提取包本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种声纹鉴定方法，其特征在于，所述方法包括：获取待鉴定语音数据；将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，其中，所述待输入特征包括：多个预设维度的特征；根据所述待输入特征以及预设声纹鉴定模型，识别获取所述语音数据库中是否存在与所述待鉴定语音数据匹配的目标语音，其中，所述预设声纹鉴定模型根据样本数据集训练获取，所述样本数据集包括：标注有匹配标识的样本语音，以及各所述样本语音的多个预设维度的特征；若存在，则确定所述待鉴定语音数据通过鉴定。2.根据权利要求1所述的声纹鉴定方法，其特征在于，所述样本数据包括：正样本数据和负样本数据；所述正样本数据包括：同一主体发出的相同样本语音、以及各所述样本语音的预设维度的特征；所述负样本数据包括：不同主体发出的相同样本语音、以及各所述样本语音的预设维度的特征。3.根据权利要求1所述的声纹鉴定方法，其特征在于，所述将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征之前，还包括：从所述待鉴定语音数据和语音数据库中的待匹配语音数据中提取包含相同关键词的片段；从所述片段中提取相同的待鉴定音素；所述将所述待鉴定语音数据和语音数据库中的待匹配语音数据，分别进行特征提取，获取待输入特征，包括：对所述待鉴定音素进行特征提取，获取待输入特征。4.根据权利要求1所述的声纹鉴定方法，其特征在于，所述预设声纹鉴定模型包括：支持向量机的分类决策函数；所述根据所述待输入特征以及预设声纹鉴定模型，识别获取所述语音数据库中与所述待鉴定语音数据匹配的目标语音，包括：将所述待输入特征输入所述支持向量机的分类决策函数，获取输出结果；其中，在所述输出结果为1时，表示所述待鉴定语音数据与所述目标语音匹配成功，即待鉴定语音通过鉴定；在所述输出结果为-1时，则表示所述待鉴定语音数据未匹配到一致的语音，即待鉴定语音鉴定未通过鉴定。5.根据权利要求1-4任一项所述的声纹鉴定方法，其特征在于，多个预设维度的特征包括下述一项或多项：基频、共振峰信息、梅尔倒谱系数、伽马通倒谱系数、感知线性预测；其中，所述共振峰信息包括下述一项或多项：共振峰所在的频率，-3dB带宽和强度。6.一种声纹鉴定模型的训练方法，其特征在于，包括：获取样本数据集，所述样本数据集包括：标注有匹配标识的样本语音，以及各所述样本语音的多个预设维度的特征；根据所述样本数据集、以及预设函数训练获取所述声纹鉴定模型。7.根据权利要求6所述的声纹鉴定模型的训练方法，其特征在...
【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：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。