[发明专利]一种训练声纹识别模型的方法及系统

说明书

本申请提供一种训练声纹识别模型的方法及系统，所述方法包括，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；利用第二训练数据对所述第一声纹识别模型进行迁移学习，生成第二声纹识别模型；所述第二声纹识别模型用于进行声纹注册或认证。能够避免现有技术中为了开发一个特征场景的声纹认证算法和产品，端到端的声纹认证算法往往需要录制大量的数据，才能保证算法的性能，而这需要花费大量的时间成本和经济成本的问题。可以充分利用全量训练数据，通过迁移学习，提高了针对特定数据的声纹识别和认证的性能。

【技术领域】

本申请涉及人工智能领域，尤其涉及一种训练声纹模型的方法及系统。

【背景技术】

人工智能(Artificial Intelligence；AI)，是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是计算机科学的一个分支，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器，该领域的研究包括机器人、语音识别、图像识别、自然语言处理和专家系统等。

随着人工智能的不断发展，语音交互作为最自然的交互方式日益推广，人们对于语音识别服务的需求越来越多。根据用户在交互中的语音，验证或识别用户的身份信息，进行智能化地反应，可以大大提高用户的体验。

现在的端到端的语音识别技术需要使用针对性的训练语料，利用DNN/CNN/LSTMmodel来将声学特征直接映射为说话人特征表示。为了开发一个特征场景的声纹认证算法和产品，端到端的声纹认证算法往往需要录制大量的数据，才能保证算法的性能，而这需要花费大量的时间成本和经济成本。

【发明内容】

本申请的多个方面提供一种训练声纹模型的方法及系统，用以提高声纹认证的性能。

本申请的一方面，提供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；

利用第二训练数据对所述第一声纹识别模型进行迁移学习，生成第二声纹识别模型；所述第二声纹识别模型用于进行声纹注册或认证。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用第二训练数据对所述第一声纹识别模型进行迁移学习，生成第二声纹识别模型包括：

对所述第一声纹识别模型进行微调；

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，对微调后的第一声纹识别模型进行训练，得到第二声纹识别模型。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述对第一声纹识别模型进行微调包括：

对输出层进行替换，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。

如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，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，