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份进行判断，传统的RNN递归式神经网络对音频序列进行建模，结构简单，但RNN无法并行实现并行操作，因而识别速度较慢，而且RNN无法很好学习到全局的结构信息，因为其本质是一个马尔科夫决策过程。CNN窗口式遍历功能，方便并行操作，但CNN实际只能获取局部信息，难以获取整段音频的全局结构信息，因此在整段音频的识别上存在精度不高的问题。
技术实现思路
[0004]本申请实施例的目的在于提出一种声纹识别的方法、装置、计算机设备及存储介质，以解决现有的声纹识别方式存在的无法同时兼顾识别效率和识别精度的技术问题。
[0005]为了解决上述技术问题，本申请实施例提供一种声纹识别的方法，采用了如下所述的技术方案：
[0006]获取待识别语音，并对获取到的待识别语音进行分帧处理，得到待识别语音的音频帧集合，其中，音频帧集合包括若干个音频帧；
[0007]提取每一个音频帧中的语音数据，对语音数据进行傅里叶变换，得到语音数据的序列信息；
[0008]将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，获取每一个音频帧的声纹特征矩阵；
[0009]按照矩阵拼接的形式对得到的每一个音频帧的声纹特征矩阵进行拼接，得到待识别语音的声纹识别结果。
[0010]进一步地，在将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，获取每一个音频帧的声纹特征矩阵的步骤之前，还包括：
[0011]在历史语音数据库中获取语音训练数据集，对语音训练数据集进行MFCC特征提
取，以获取语音训练数据集的MFCC声学特征；
[0012]通过语音训练数据集的MFCC声学特征估算声纹识别模型的模型参数；
[0013]搭建自注意力网络函数，并将自注意力网络函数嵌入到预设的通用模型的隐藏层；
[0014]将声纹识别模型的模型参数导入到通用模型中，并利用语音训练数据集对通用模型进行训练，得到自注意力声纹识别模型。
[0015]进一步地，在将神经网络模型的模型参数导入到通用模型中，并利用语音训练数据集对通用模型进行训练，得到自注意力声纹识别模型的步骤之后，还包括：
[0016]在历史语音数据库中获取语音验证数据集，并将语音验证数据集导入到自注意力声纹识别模型中，输出预测结果；
[0017]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；
[0018]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。
[0019]进一步地，自注意力声纹识别模型包括输入层、隐藏层和输出层，隐藏层包括若干个隐空间，将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，获取每一个音频帧的声纹特征矩阵的步骤，具体包括：
[0020]通过输入层在音频帧的序列信息中提取出音频帧的初始特征张量，以及对初始特征张量进行标准化，得到标准特征张量；
[0021]通过隐藏层对标准特征张量进行仿射变换，根据仿射变换的结果，将标准特征张量映射到隐空间内，以及基于标准特征张量计算音频帧的声纹特征矩阵；
[0022]通过输出层输出音频帧的声纹特征矩阵。
[0023]进一步地，基于标准特征张量计算音频帧的声纹特征矩阵的步骤，具体包括：
[0024]对标准特征张量进行矩阵特征转化，将标准特征张量转化为标准特征矩阵；
[0025]获取隐空间的参数矩阵；
[0026]基于标准特征矩阵和隐空间的参数矩阵计算音频帧的声纹特征矩阵。
[0027]进一步地，按照矩阵拼接的形式对得到的每一个音频帧的声纹特征矩阵进行拼接，得到待识别语音的声纹识别结果的步骤，具体包括：
[0028]根据自注意力网络函数中的注意力矩阵函数对音频帧的声纹特征矩阵进行注意力矩阵运算，得到权重矩阵；
[0029]通过权重矩阵对音频帧的声纹特征矩阵进行加权计算，得到音频帧的语音特征权值；
[0030]基于语音特征权值拼接每一个音频帧的声纹特征矩阵，得到待识别语音的声纹特征矩阵集合；
[0031]通过声纹特征矩阵集合获取待识别语音的声纹识别结果。
[0032]进一步地，在获取待识别语音，并对获取到的待识别语音进行分帧处理，得到待识别语音的音频帧集合的步骤之前，还包括：
[0033]接收语音识别请求，将语音识别请求导入消息队列；
[0034]获取消息队列中的语音识别请求，根据语音识别请求生成请求指令；
[0035]通过请求指令控制预设的语音采集设备运行，以采集待识别语音；以及
[0036]在采集待识别语音之后，还包括：
[0037]利用语音端点检测算法对待识别语音进行语音边界检测，去除待识别语音中的静音区段；
[0038]对去除静音区段的待识别语音进行预处理，其中，预处理包括预加重、前值滤波、高频补偿和加窗。
[0039]为了解决上述技术问题，本申请实施例还提供一种声纹识别的装置，采用了如下所述的技术方案：
[0040]一种声纹识别的装置，包括：
[0041]分帧模块，用于获取待识别语音，并对获取到的待识别语音进行分帧处理，得到待识别语音的音频帧集合，其中，音频帧集合包括若干个音频帧；
[0042]变换模块，用于提取每一个音频帧中的语音数据，对语音数据进行傅里叶变换，得到语音数据的序列信息；
[0043]识别模块，用于将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，获取每一个音频帧的声纹特征矩阵；
[0044]拼接模块，用于按照矩阵拼接的形式对得到的每一个音频帧的声纹特征矩阵进行拼接，得到待识别语音的声纹识别结果。
[0045]为了解决上述本文档来自技高网...
【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：
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。