[发明专利]一种说话人向量正则化方法、装置、电子设备和存储介质

权利要求书

1.一种说话人向量正则化方法，其特征在于，包括：

确定待识别语音的说话人向量；

将所述说话人向量输入至区分性标准流模型，得到所述区分性标准流模型输出的说话人正则化向量，所述说话人正则化向量整体服从高斯分布，且所述说话人正则化向量中表征各个说话人的向量分别服从高斯分布；所述区分性标准流模型是基于样本说话人向量及其对应的说话人标签训练得到的；

基于所述说话人正则化向量，确定所述待识别语音的说话人识别结果；

所述区分性标准流模型是基于最大似然估计方法训练得到的，训练目标为所述样本说话人向量的概率最大化；

用于训练所述区分性标准流模型的优化函数为：

式中，L为优化函数，x_i为第i个样本说话人向量，z_i为与x_i对应的样本说话人正则向量，y为样本说话人标签，为样本说话人y对应的正则向量z_i的概率密度分布函数，f为所述区分性标准流模型的映射函数表现形式。

2.根据权利要求1所述的说话人向量正则化方法，其特征在于，所述说话人正则化向量中表征任一说话人的向量包括第一分量和第二分量；

其中，所述第一分量服从与所述任一说话人相关的条件分布，所述第二分量服从与每一说话人无关的边缘分布。

3.根据权利要求1或2所述的说话人向量正则化方法，其特征在于，所述确定待识别语音的说话人向量，具体包括：

将所述待识别语音输入至说话人向量提取模型，得到所述说话人向量提取模型输出的所述待识别语音的说话人向量；

其中，所述说话人向量提取模型是基于样本语音及其对应的说话人标签，与分类器联合训练得到的。

4.根据权利要求3所述的说话人向量正则化方法，其特征在于，所述说话人向量提取模型包含局部特征提取层、时序特征提取层和融合输出层；

所述将所述待识别语音输入至说话人向量提取模型，得到所述说话人向量提取模型输出的所述待识别语音的说话人向量，具体包括：

将所述待识别语音输入至所述局部特征提取层，得到所述局部特征提取层输出的局部特征；

将所述待识别语音输入至所述时序特征提取层，得到所述时序特征提取层输出的时序特征；

将所述局部特征和所述时序特征输入至所述融合输出层，得到所述融合输出层输出的说话人向量。

5.根据权利要求1或2所述的说话人向量正则化方法，其特征在于，所述基于所述说话人正则化向量，确定所述待识别语音的说话人识别结果具体包括：

将所述说话人正则化向量输入后端打分模型，得到所述后端打分模型输出的所述待识别语音的说话人识别结果。

6.一种说话人向量正则化装置，其特征在于，包括：

确定单元，用于确定待识别语音的说话人向量；

正则化单元，用于将所述说话人向量输入至区分性标准流模型，得到所述区分性标准流模型输出的说话人正则化向量，所述说话人正则化向量整体服从高斯分布，且所述说话人正则化向量中表征各个说话人的向量分别服从高斯分布；所述区分性标准流模型是基于样本说话人向量及其对应的说话人标签训练得到的；

识别单元，用于基于所述说话人正则化向量，确定所述待识别语音的说话人识别结果；

所述区分性标准流模型是基于最大似然估计方法训练得到的，训练目标为所述样本说话人向量的概率最大化；

用于训练所述区分性标准流模型的优化函数为：

式中，L为优化函数，x_i为第i个样本说话人向量，z_i为与x_i对应的样本说话人正则向量，y为样本说话人标签，为样本说话人y对应的正则向量z_i的概率密度分布函数，f为所述区分性标准流模型的映射函数表现形式。

7.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至5中任一项所述的说话人向量正则化方法的步骤。

8.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1至5中任一项所述的说话人向量正则化方法的步骤。