[发明专利]一种识别说话人的方法、终端及计算机可读存储介质

说明书

本发明适用于计算机技术领域，提供了一种识别说话人的方法及终端，该方法包括：获取待测者针对基准数字串说出的待识别的音频信息；音频信息包括数字串；提取音频信息的扬声器潜变量以及数字潜变量；扬声器潜变量用于标识扬声器的特征信息，数字潜变量用于标识音频信息中待测者对数字的发音特征；当扬声器潜变量符合预设要求时，将数字潜变量输入预设的贝叶斯模型进行声纹识别，得到身份识别结果。本发明实施例，基于音频信息中的扬声器潜变量以及数字潜变量识别说话人的身份信息，能够避免因不同扬声器对于相同的数字具有不同的发音，以及说话人对于相同数字在不同时刻的发音不同，从而干扰身份识别结果的情况，能够提高身份识别结果的准确度。

技术领域

本发明属于计算机技术领域，尤其涉及一种识别说话人的方法、终端及计算机可读存储介质。

背景技术

随着信息技术和网络技术的迅猛发展，人们对身份识别技术的需求越来越多。基于传统密码认证的身份识别技术在实际应用中已经暴露出许多不足之处（例如安全可靠性较低），而基于生物特征辨别的身份识别技术近年来也日益成熟并在实际应用中展现出其优越性。其中，声纹识别技术便是基于生物特征辨别的身份识别技术之一。

声纹是指说话人语音频谱的信息图。由于每个人的发音器官不同，所发出来的声音及其音调各不相同，因此，以声纹作为基本特征进行身份识别具有不可替代性和稳定性。声纹识别有文本相关的(Text-Dependent)和文本无关的(Text-Independent)两种。

与语音内容不受约束的文本无关的说话人识别相反，文本相关的说话人验证系统更有利于安全应用，因为它们在短时会话中往往能够表现出更高的准确性。

典型的文本相关说话人识别是让每个用户使用固定短语，来匹配注册和测试短语。对于这种情况，可以预先记录来自用户的话语，然后播放它。在训练和测试话语具有不同场景的情况下，通过共享相同的语音内容，可以在一定程度上提高识别防护的安全性，系统会随机给出一些数字串，用户需正确念出对应的内容才可识别声纹，这种随机性的引入使得文本相关识别中每一次采集到的声纹都有内容时序上的差异。然而，在使用随机提示数字串识别说话人时，由于部分样本数字词汇固定且数字样本有限，而且对于相同的数字，不同的扬声器具有不同的发音，这样会导致无法准确识别说话人的身份。

发明内容

有鉴于此，本发明实施例提供了一种识别说话人的方法及终端，以解决现有技术中，对于复杂的声纹语音信息（例如，短话音、模仿语音等），文本无关型的声纹识别系统无法准确提取说话人的语音特征，从而导致无法准确识别说话人的身份的问题。

本发明实施例的第一方面提供了一种识别说话人的方法，包括：

获取待测者针对基准数字串说出的待识别的音频信息；其中，所述基准数字串是预先存储，并随机播放或随机显示，所述音频信息包括所述待测者说出的数字串对应的音频；

提取所述音频信息的扬声器潜变量以及数字潜变量；其中，所述扬声器潜变量用于标识扬声器的特征信息，所述数字潜变量在确认所述待测者说出的数字串与所述基准数字串相同时提取，所述数字潜变量用于标识所述音频信息中所述待测者对数字的发音特征；

当所述扬声器潜变量符合预设要求时，将所述数字潜变量输入预设的贝叶斯模型进行声纹识别，得到身份识别结果；其中，所述预设要求基于清晰可辨认的音频信息所对应的扬声器潜变量的值进行设置；所述贝叶斯模型是通过使用机器学习算法对声音样本集中单一说话者说出每个数字的数字潜变量进行训练得到；所述每个数字潜变量具有标识该数字潜变量所属的说话者的身份标签；所述贝叶斯模型与所述声音样本集中的所述单一说话者具有对应关系。

本发明实施例的第二方面提供了一种终端，包括：

获取单元，用于获取待测者针对基准数字串说出的待识别的音频信息；其中，所述基准数字串是预先存储，并随机播放或随机显示，所述音频信息包括所述待测者说出的数字串对应的音频；