[发明专利]一种声纹库的生成方法和装置

权利要求书

1.一种声纹库的生成方法，其特征在于，包括以下步骤：

获取目标说话人的音频数据库，从所述音频数据库中标注出一个或多个标准音频段，将所述标准音频段保存到声纹库；

提取所述标准音频段的第一声纹特征；

提取所述音频数据库中的候选音频段的第二声纹特征；

计算所述第一声纹特征与所述第二声纹特征之间的相似度；

计算所述候选音频段的离散系数；

根据所述相似度和所述离散系数，计算所述候选音频段的置信度；

在所述置信度大于或等于预设阈值的情况下，将所述候选音频段保存到所述声纹库；

所述计算所述第一声纹特征与所述第二声纹特征之间的相似度，包括：

对所述第一声纹特征与所述第二声纹特征分别计算余弦相似度、概率线性判别，以及计算皮尔森相关系数；

所述根据所述相似度和所述离散系数，计算所述候选音频段的置信度，包括：

结合所述余弦相似度、所述概率线性判别、所述皮尔森相关系数，以及所述离散系数，通过逻辑回归得到所述候选音频段的置信度，所述置信度用于衡量所述第一声纹特征与所述第二声纹特征之间的多维度相似度。

2.如权利要求1所述的方法，其特征在于，所述提取所述音频数据库中的候选音频段的第二声纹特征之前，还包括：

对所述音频数据库中除所述标准音频段之外的其他音频进行分割，得到多个候选音频段。

3.如权利要求1所述的方法，其特征在于，所述获取目标说话人的音频数据库，具体包括：

使用预设信息和所述目标说话人的人名作为搜索条件，爬取网络视频；

从所述网络视频中提取所述目标说话人的音频数据库。

4.如权利要求3所述的方法，其特征在于，所述预设信息为“访谈”和/或“采访”字样。

5.如权利要求1所述的方法，其特征在于，所述计算所述候选音频段的离散系数，包括：

使用预设时长以及预设移动步长的时间窗，将所述候选音频段分割成多个音频片段；

提取每个所述音频片段的声纹特征，根据多个所述音频片段的声纹特征，计算所述候选音频段的离散系数。

6.一种声纹库的生成装置，其特征在于，包括：

获取模块，用于获取目标说话人的音频数据库；

标注模块，用于从所述音频数据库中标注出一个或多个标准音频段，将所述标准音频段保存到声纹库；

第一提取模块，用于提取所述标准音频段的第一声纹特征；

第二提取模块，用于提取所述音频数据库中的候选音频段的第二声纹特征；

第一计算模块，用于计算所述第一声纹特征与所述第二声纹特征之间的相似度；

第二计算模块，用于计算所述候选音频段的离散系数；

第三计算模块，用于根据所述相似度和所述离散系数，计算所述候选音频段的置信度；

保存模块，用于在所述置信度大于或等于预设阈值的情况下，将所述候选音频段保存到所述声纹库；

所述第一计算模块，具体用于对所述第一声纹特征与所述第二声纹特征分别计算余弦相似度、概率线性判别，以及计算皮尔森相关系数；

所述第三计算模块，具体用于结合所述余弦相似度、所述概率线性判别、所述皮尔森相关系数，以及所述离散系数，通过逻辑回归得到所述候选音频段的置信度，所述置信度用于衡量所述第一声纹特征与所述第二声纹特征之间的多维度相似度。

7.如权利要求6所述的装置，其特征在于，还包括：

分割模块，用于对所述音频数据库中除所述标准音频段之外的其他音频进行分割，得到多个候选音频段。

8.如权利要求6所述的装置，其特征在于，

所述获取模块，具体用于使用预设信息和所述目标说话人的人名作为搜索条件，爬取网络视频；从所述网络视频中提取所述目标说话人的音频数据库。

9.如权利要求8所述的装置，其特征在于，所述预设信息为“访谈”和/或“采访”字样。

10.如权利要求6所述的装置，其特征在于，

所述第二计算模块，具体用于使用预设时长以及预设移动步长的时间窗，将所述候选音频段分割成多个音频片段；提取每个所述音频片段的声纹特征，根据多个所述音频片段的声纹特征，计算所述候选音频段的离散系数。