[发明专利]声纹模型构建方法、声纹识别方法及系统

摘要

本发明公开了一种声纹模型构建方法、声纹识别方法及系统，该声纹模型构建方法包括：步骤S1：建立孪生神经网络，所述孪生神经网络包括两个相同的子网，每一个所述子网包括特征提取模块以及特征表达模块；步骤S2：利用第一训练样本库、第一损失函数对所述创建的孪生神经网络进行第一训练；步骤S3：利用第二训练样本库、第二损失函数对经过所述第一训练的孪生神经网络进行第二训练，得到声纹模型。本发明采用孪生网络的思想对声纹模型的网络结构进行设计，并通过第一训练和第二训练实现声纹模型对不同人的音频声纹进行聚类，使训练后得到的声纹模型能够有效对音频文件进行声纹矢量化，从而有利于提高声纹识别的准确率。

主权项

1.一种声纹模型构建方法，其特征在于，包括：步骤S1：建立孪生神经网络，所述孪生神经网络包括两个相同的子网，每一个所述子网包括特征提取模块以及特征表达模块，所述特征提取模块包括多个带通滤波器，所述特征表达模块包括若干个卷积层和若干个全连接层；步骤S2：利用第一训练样本库、第一损失函数对所述建立的孪生神经网络进行第一训练，其中，所述第一训练样本库由同一人的多个音频文件构成，在所述第一训练的过程中，通过所述建立的孪生神经网络对所述第一训练样本库中的音频文件进行声纹矢量化，以从其中每一个音频文件中抽取声纹向量，通过所述第一损失函数，使得从同一人的不同音频文件中抽取的声纹向量之间的相似度最大化；步骤S3：利用第二训练样本库、第二损失函数对经过所述第一训练的孪生神经网络进行第二训练，得到声纹模型，其中，所述第二训练样本库包括正样本集和负样本集，所述正样本集由同一目标人的多个音频文件构成，所述负样本集由非目标人的多个音频文件构成，在所述第二训练的过程中，通过经过所述第一训练的孪生神经网络对所述第二训练样本库中的音频文件进行声纹矢量化，以从其中每一个音频文件中抽取声纹向量，通过所述第二损失函数，使得从不同人的不同音频文件中抽取的声纹向量之间的相似度最小化。