[发明专利]一种确定说话人特征的方法及装置

权利要求书

1.一种确定说话人特征的方法，其特征在于，所述方法包括：

接收声音文本数据；

从所述声音文本数据中提取声纹特征数据；

利用预置模型对所述声纹特征数据进行处理，具体包括：将所述声纹特征数据输入所述预置模型，所述预置模型是预先利用深度神经网络对声音样本数据训练生成的分类模型，在所述分类模型中添加分类器，每个分类器用于在预置特征维度上定向分析说话人特征；

按照预置特征维度，利用所述分类模型对所述声纹特征数据进行处理，输出预置特征对应的置信度值，所述预置特征是根据所述预置特征维度确定的多个特征；

根据所述预置模型的输出数据，确定与所述声纹特征数据匹配的说话人特征，包括：按照数值由大到小的顺序，将多个所述预置特征对应的置信度值排序；在多个所述预置特征对应的置信度值中选取排序在前两位的置信度值；将选取的前两位置信度值做相减运算，并得到执行所述相减运算对应的差值的绝对值；判断所述差值的绝对值是否大于第一预置阈值；若是，则获取最大置信度值对应的预置特征包含的特征信息，将所述特征信息确定为与所述声纹特征数据匹配的说话人特征；若否，则舍弃所述预置模型的输出数据。

2.根据权利要求1所述的方法，其特征在于，在所述从所述声音文本数据中提取声纹特征数据之前，所述方法还包括：

对所述声音文本数据进行筛选，得到说话人的人声文本数据；

计算所述人声文本数据对应的数据量在所述声音文本数据对应的数据量中的占比值；

判断所述占比值是否大于第二预置阈值；

若是，则在所述人声文本数据中提取声纹特征数据；

若否，则舍弃接收的声音文本数据，并重新向所述说话人获取声音文本数据。

3.根据权利要求1或2所述的方法，其特征在于，所述声音文本数据至少包括热词唤醒音频数据和/或语音搜索音频数据。

4.一种确定说话人特征的装置，其特征在于，所述装置包括：

接收单元，用于接收声音文本数据；

提取单元，用于从所述接收单元接收的声音文本数据中提取声纹特征数据；

处理单元，用于利用预置模型对所述提取单元提取的声纹特征数据进行处理；

所述处理单元包括：输入模块，用于将所述声纹特征数据输入所述预置模型，所述预置模型是预先利用深度神经网络对声音样本数据训练生成的分类模型，在所述分类模型中添加分类器，每个分类器用于在预置特征维度上定向分析说话人特征；处理模块，用于按照预置特征维度，利用所述分类模型对所述输入模块输入的声纹特征数据进行处理；输出模块，用于输出预置特征对应的置信度值，所述预置特征是根据所述预置特征维度确定的多个特征；

确定单元，用于根据所述预置模型的输出数据，确定与所述声纹特征数据匹配的说话人特征；

所述确定单元包括：

排序模块，用于按照数值由大到小的顺序，将多个所述预置特征对应的置信度值排序；

选取模块，用于在多个所述预置特征对应的置信度值中选取所述排序模块排序在前两位的置信度值；

执行模块，用于将所述选取模块选取的前两位置信度值做相减运算，并得到执行所述相减运算对应的差值的绝对值；

判断模块，用于判断所述执行模块得到的差值的绝对值是否大于第一预置阈值；

获取模块，用于当所述判断模块判断所述差值的绝对值大于第一预置阈值时，获取最大置信度值对应的预置特征包含的特征信息；

确定模块，用于将所述获取模块获取的特征信息确定为与所述声纹特征数据匹配的说话人特征；

舍弃模块，当所述判断模块判断所述差值的绝对值不大于第一预置阈值时，舍弃所述预置模型的输出数据。

5.一种电子设备，其特征在于，包括：

至少一个处理器；

以及与所述处理器连接的至少一个存储器、总线；其中，

所述处理器、存储器通过所述总线完成相互间的通信；

所述处理器用于调用所述存储器中的程序指令，以执行权利要求1至权利要求3中任一项所述的确定说话人特征的方法。

6.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质存储计算机指令，所述计算机指令使所述计算机执行权利要求1至权利要求3中任一项所述的确定说话人特征的方法。