[发明专利]基于残差时延网络的说话人确认方法、装置、设备及介质在审
| 申请号： | 201910384582.0 | 申请日： | 2019-05-09 |
| 公开（公告）号： | CN110232932A | 公开（公告）日： | 2019-09-13 |
| 发明（设计）人： | 彭俊清;王健宗 | 申请（专利权）人： | 平安科技（深圳）有限公司 |
| 主分类号： | G10L25/84 | 分类号： | G10L25/84;G10L25/18;G10L25/24;G10L17/02;G10L17/04 |
| 代理公司： | 深圳众鼎专利商标代理事务所(普通合伙) 44325 | 代理人： | 黄章辉 |
| 地址： | 518000 广东省深圳市福田区福*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于残差时延网络的说话人确认方法、装置、设备及介质，所述方法包括：构建残差时延网络，对所述残差时延网络进行训练；获取测试用户的注册音频和测试音频；对所述注册音频和测试音频执行预处理，然后执行特征提取，分别得到注册音频和测试音频的梅尔频率倒谱系数；将所述注册音频/测试音频的梅尔频率倒谱系数传入训练好的所述残差时延网络，获取所述残差时延网络在会话切片级输出的特征向量，作为注册特征向量/待测试特征向量；将所述注册特征向量和待测试特征向量输入概率线性判别分析模型，并根据模型输出的分值输出说话人确认结果。本发明解决了现有文本无关说话人确认方法在短音频方面的准确率欠佳的问题。 | ||
| 搜索关键词： | 时延网络 残差 测试音频 向量 测试特征 倒谱系数 梅尔频率 注册特征 输出 预处理 线性判别分析 测试用户 确认结果 特征提取 特征向量 文本无关 切片级 会话 准确率 构建 概率 | ||
【主权项】：
1.一种基于残差时延网络的说话人确认方法，其特征在于，包括：构建残差时延网络，采用预设的训练样本集对所述残差时延网络进行训练；获取测试用户的音频信息集，所述音频信息集包括注册音频和测试音频；对所述测试用户的音频信息集执行预处理；对预处理后的所述音频信息集执行特征提取，分别得到注册音频对应的梅尔频率倒谱系数和测试音频对应的梅尔频率倒谱系数；将所述注册音频的梅尔频率倒谱系数作为输入向量传入训练好的所述残差时延网络，获取所述残差时延网络在会话切片级输出的特征向量，作为所述测试用户的注册特征向量；将所述测试音频的梅尔频率倒谱系数作为输入向量传入训练好的所述残差时延网络，获取所述残差时延网络在会话切片级输出的特征向量，作为所述测试用户的待测试特征向量；将所述注册特征向量和待测试特征向量输入预设的概率线性判别分析模型，并获取所述概率线性判别分析模型输出的分值；根据所述分值输出说话人确认结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于平安科技（深圳）有限公司，未经平安科技（深圳）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910384582.0/，转载请声明来源钻瓜专利网。
