一种声纹识别的方法、装置、计算机设备及存储介质制造方法及图纸

本申请公开了一种声纹识别的方法、装置、计算机设备及存储介质，属于人工智能技术领域，所述方法获取待识别语音并进行分帧处理，得到音频帧集合；对音频帧进行傅里叶变换，得到语音数据的序列信息；将序列信息输入到预先训练好的自注意力声纹识别模型，获取音频帧的声纹特征矩阵；拼接声纹特征矩阵，得到待识别语音的声纹识别结果。此外，本申请还涉及区块链技术，待识别语音可存储于区块链中。本申请通过采用神经网络来进行声纹识别模型的训练与预测，并采用自注意力机制将语音特征映射到隐空间分别进行处理，最后拼接所有音频帧的处理结果得到待识别语音的识别结果，本身可以实现并行操作，在保证识别效率的同时兼顾识别精度。度。度。

【技术实现步骤摘要】
一种声纹识别的方法、装置、计算机设备及存储介质


[0001]本申请属于人工智能
，具体涉及一种声纹识别的方法、装置、计算机设备及存储介质。

技术介绍

[0002]声纹识别，属于生物信息识别技术的一种，也被称为说话人识别，是一种通过声音判断说话人身份的技术。由于声纹识别具有安全可靠性，使其可在几乎所有需求进行身份识别的安全性保护领域和个性化应用场合中使用。如在银行、证券、保险等金融机构的业务量持续扩大，产生大量的身份识别需求。与传统身份识别技术相比，声纹识别的优势在于，声纹提取过程简单且成本低、且每个人的声纹特征与其他人的声纹特征不相同，具有唯一性，不易伪造和假冒。由于声纹识别具有安全、可靠、方便等特性，使其在需进行身份识别的场合得到广泛的应用。
[0003]目前使用的从端到端的声纹识别大多基于RNN(Recurrent Neural Network,RNN，循环神经网络)或CNN(Cable News Network，卷积神经网络)，如百度的Deep Speaker、谷歌的G2G，由于声纹识别需要同时考虑语音中的多个帧来对说话人身本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种声纹识别的方法，其特征在于，包括：获取待识别语音，并对获取到的所述待识别语音进行分帧处理，得到所述待识别语音的音频帧集合，其中，所述音频帧集合包括若干个音频帧；提取每一个所述音频帧中的语音数据，对所述语音数据进行傅里叶变换，得到所述语音数据的序列信息；将所述序列信息输入到预先训练好的自注意力声纹识别模型进行声纹特征识别，获取每一个所述音频帧的声纹特征矩阵；按照矩阵拼接的形式对得到的每一个所述音频帧的声纹特征矩阵进行拼接，得到所述待识别语音的声纹识别结果。2.如权利要求1所述的声纹识别的方法，其特征在于，在所述将所述序列信息输入到预先训练好的自注意力声纹识别模型进行声纹特征识别，获取每一个所述音频帧的声纹特征矩阵的步骤之前，还包括：在历史语音数据库中获取语音训练数据集，对所述语音训练数据集进行MFCC特征提取，以获取所述语音训练数据集的MFCC声学特征；通过所述语音训练数据集的MFCC声学特征估算声纹识别模型的模型参数；搭建自注意力网络函数，并将所述自注意力网络函数嵌入到预设的通用模型的隐藏层；将所述声纹识别模型的模型参数导入到所述通用模型中，并利用所述语音训练数据集对所述通用模型进行训练，得到自注意力声纹识别模型。3.如权利要求2所述的声纹识别的方法，其特征在于，在所述将所述神经网络模型的模型参数导入到所述通用模型中，并利用所述语音训练数据集对所述通用模型进行训练，得到自注意力声纹识别模型的步骤之后，还包括：在历史语音数据库中获取语音验证数据集，并将所述语音验证数据集导入到所述自注意力声纹识别模型中，输出预测结果；基于预测结果与预设标准结果，使用反向传播算法进行拟合，获取预测误差；将预测误差与预设阈值进行比较，若预测误差大于预设阈值，则对自注意力声纹识别模型进行迭代更新，直到预测误差小于或等于预设阈值为止，获取训练完成的自注意力声纹识别模型。4.如权利要求2所述的声纹识别的方法，其特征在于，所述自注意力声纹识别模型包括输入层、隐藏层和输出层，所述隐藏层包括若干个隐空间，所述将所述序列信息输入到预先训练好的自注意力声纹识别模型进行声纹特征识别，获取每一个所述音频帧的声纹特征矩阵的步骤，具体包括：通过所述输入层在所述音频帧的序列信息中提取出所述音频帧的初始特征张量，以及对所述初始特征张量进行标准化，得到标准特征张量；通过所述隐藏层对所述标准特征张量进行仿射变换，根据所述仿射变换的结果，将所述标准特征张量映射到所述隐空间内，以及基于所述标准特征张量计算所述音频帧的声纹特征矩阵；通过所述输出层输出所述音频帧的声纹特征矩阵。5.如权利要求4所述的声纹识别的方法，其特征在于，所述基于所述标准特征...

【专利技术属性】
技术研发人员：陈闽川，马骏，王少军，
申请(专利权)人：平安科技深圳有限公司，
类型：发明
国别省市：