[发明专利]一种训练声纹识别模型的方法及系统

权利要求书

1.一种训练声纹模型的方法，其特征在于，包括：

利用第一训练数据训练深度神经网络，生成第一声纹识别模型；

对第一声纹识别模型的输出层进行替换，以使得输出层所包括的输出单元的数量与第二训练数据的基本语音元素的数量相适应，调低隐层的学习率；

利用第二训练数据对所述第一声纹识别模型进行训练，生成第二声纹识别模型，所述第二声纹识别模型用于当输入语音的声学特征向量时，输出该语音属于各输出单元所对应的语音标识的后验概率；所述第二声纹识别模型用于进行声纹注册或进行声纹认证。

2.根据权利要求1所述的方法，其特征在于，所述深度神经网络的输出层所包括的输出单元的数量依据第一训练数据的基本语音元素的数量确定。

3.根据权利要求2所述的方法，其特征在于，所述利用第一训练数据训练深度神经网络，生成第一声纹识别模型包括：

获取所述第一训练数据的声学特征向量；

将所述第一训练数据的声学特征向量作为输入，第一训练数据中的语音标识作为输出，对所述深度神经网络进行训练，得到第一声纹识别模型。

4.根据权利要求1所述的方法，其特征在于，所述利用第二训练数据对所述第一声纹识别模型进行训练，生成第二声纹识别模型包括：

获取所述第二训练数据的声学特征向量；

将所述第二训练数据的声学特征向量作为输入，第二训练数据中的语音标识作为输出，对第一声纹识别模型进行训练，得到第二声纹识别模型。

5.根据权利要求1所述的方法，其特征在于，所述第一训练数据包括中文训练数据，所述第二训练数据包括英语训练数据；或者，

所述第一训练数据包括中文训练数据，所述第二训练数据包括数字串训练数据。

6.根据权利要求1所述的方法，其特征在于，所述进行声纹注册包括：

接收用户发送的声纹注册请求，

根据第二声纹识别模型获取声纹注册请求中语音的后验概率；

根据所述后验概率，提取语音的特征向量；

根据所述特征向量获取所述用户的声纹注册模型；

将用户标识与所述声纹注册模型对应存储到声纹注册数据库。

7.根据权利要求1所述的方法，其特征在于，所述进行声纹认证包括：

获取待识别语音，根据第二声纹识别模型获取所述待识别语音的后验概率；

根据所述后验概率，提取所述待识别语音的特征向量；

利用所述待识别语音的特征向量在声纹注册数据库中进行匹配，确定匹配得到的声纹注册模型对应的用户标识。

8.一种训练声纹识别模型的系统，其特征在于，包括：

模型预训练单元，用于利用第一训练数据训练深度神经网络，生成第一声纹识别模型；

迁移学习单元，用于对第一声纹识别模型的输出层进行替换，以使得输出层所包括的输出单元的数量与第二训练数据的基本语音元素的数量相适应，调低隐层的学习率；利用第二训练数据对所述第一声纹识别模型进行训练，生成第二声纹识别模型，所述第二声纹识别模型用于当输入语音的声学特征向量时，输出该语音属于各输出单元所对应的语音标识的后验概率；所述第二声纹识别模型用于进行声纹注册或认证。

9.根据权利要求8所述的系统，其特征在于，所述深度神经网络的输出层所包括的输出单元的数量依据第一训练数据的基本语音元素的数量确定。

10.根据权利要求9所述的系统，其特征在于，所述模型预训练单元包括：

声学特征获取子单元，用于获取所述第一训练数据的声学特征向量；

训练子单元，用于将所述第一训练数据的声学特征向量作为输入，第一训练数据中的语音标识作为输出，对所述深度神经网络进行训练，得到第一声纹识别模型。