[发明专利]一种说话人识别方法、装置、存储介质及设备

权利要求书

1.一种说话人识别方法，其特征在于，包括：

获取待识别的目标语音，并确定所述目标语音的采样率；

从所述目标语音中，提取第一声学特征；并基于所述目标语音的采样率，对所述第一声学特征进行处理，得到第二声学特征；

将所述第二声学特征输入至预先构建的说话人识别模型，识别得到目标说话人的目标表征向量；所述说话人识别模型是利用不同采样率的语音共同训练得到的；

根据所述目标表征向量，对所述目标说话人进行识别，得到所述目标说话人的识别结果。

2.根据权利要求1所述的方法，其特征在于，所述说话人识别模型的构建方式如下：

获取第一采样率对应的第一样本语音和教师说话人识别模型；所述教师说话人识别模型是基于第一采样率的语音训练得到的；

获取第二采样率对应的第二样本语音；并从所述第二样本语音中，提取所述第二样本语音的声学特征；所述第一样本语音和所述第二样本语音属于同一样本说话人；

将所述第一样本语音的声学特征输入所述教师说话人识别模型，得到第一样本表征向量；以及将所述第一样本语音的声学特征和所述第二样本语音对应的声学特征输入初始说话人识别模型，分别得到第二样本表征向量和第三样本表征向量；

根据所述第一样本表征向量、所述第二样本表征向量和所述第三样本表征向量，对所述初始说话人识别模型进行训练，生成学生说话人识别模型，并将所述学生说话人识别模型作为最终的说话人识别模型。

3.根据权利要求2所述的方法，其特征在于，所述基于所述目标语音的采样率，对所述第一声学特征进行处理，得到第二声学特征，包括：

当确定所述目标语音的采样率为所述第一采样率时，直接将所述第一声学特征作为第二声学特征；

当确定所述目标语音的采样率为所述第二采样率时，对所述第一声学特征进行处理，得到第二声学特征。

4.根据权利要求3所述的方法，其特征在于，所述第一采样率高于所述第二采样率，所述第一声学特征包括对数梅尔滤波器组FBANK特征；所述当确定所述目标语音的采样率为所述第二采样率时，对所述第一声学特征进行处理，得到第二声学特征，包括：

将对所述第一声学特征的功率谱进行滤波的滤波器数量进行调整，得到调整后的第一声学特征，以使得所述调整后的第一声学特征和所述第一采样率对应的语音的声学特征的低频段区域对齐；

对所述调整后的第一声学特征与所述第一采样率对应的语音的声学特征的差别维度补零，以使得补零后的第一声学特征与所述第一采样率对应的语音的声学特征的维度相同，并将所述补零后的第一声学特征作为第二声学特征。

5.根据权利要求3所述的方法，其特征在于，所述将所述第一样本语音的声学特征和所述第二样本语音对应的声学特征输入初始说话人识别模型，包括：将所述第二样本语音对应的声学特征进行所述处理后，再输入所述初始说话人识别模型。

6.根据权利要求2所述的方法，其特征在于，所述根据所述第一样本表征向量、所述第二样本表征向量和所述第三样本表征向量，对所述初始说话人识别模型进行训练，生成学生说话人识别模型，并将所述学生说话人识别模型作为最终的说话人识别模型，包括：

计算所述第一样本表征向量和所述第二样本表征向量之间的余弦相似度，作为第一余弦损失；

计算所述第一样本表征向量和所述第三样本表征向量之间的余弦相似度，作为第二余弦损失；

计算所述第一余弦损失和所述第二余弦损失的和值，并根据所述和值，对所述初始说话人识别模型进行训练，生成学生说话人识别模型，并将所述学生说话人识别模型作为最终的说话人识别模型。