CN111489756B - 一种声纹识别方法及装置 - Google Patents
一种声纹识别方法及装置 Download PDFInfo
- Publication number
- CN111489756B CN111489756B CN202010245391.9A CN202010245391A CN111489756B CN 111489756 B CN111489756 B CN 111489756B CN 202010245391 A CN202010245391 A CN 202010245391A CN 111489756 B CN111489756 B CN 111489756B
- Authority
- CN
- China
- Prior art keywords
- audio
- classification
- algorithm
- voiceprint recognition
- voiceprint
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000012549 training Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 14
- 238000004891 communication Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 238000012545 processing Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 5
- 239000000872 buffer Substances 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000004153 renaturation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/04—Training, enrolment or model building
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L17/00—Speaker identification or verification techniques
- G10L17/06—Decision making techniques; Pattern matching strategies
- G10L17/14—Use of phonemic categorisation or speech recognition prior to speaker recognition or verification
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Human Computer Interaction (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Business, Economics & Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Game Theory and Decision Science (AREA)
- Telephone Function (AREA)
Abstract
本发明提供一种声纹识别方法及装置,方法包括:接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。本发明能够为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
Description
技术领域
本发明涉及声纹识别技术领域,具体涉及一种声纹识别方法及装置。
背景技术
目前,人工智能技术广泛应用于各领域,尤其是在办公领域中的应用,将大量重复性流程剥离出主要业务流程,显著地提高了办公效率及正确率。在人工智能技术领域中,声纹识别技术正逐渐应用到银行业,典型应用场景为电话银行,电话银行呼叫中心使用声纹识别作为用户身份验证的辅助手段并搭建声纹黑名单,有效抵制电话诈骗。
在声纹识别领域中,识别正确率与采集到的音频质量息息相关。实际应用场景下,采集到的用户音频质量差异较大,经简单处理后,音频在有效时长、噪声等方面依然存在较大差异。单一算法的声纹识别系统能高效识别特定质量的音频,对于多种质量的音频,还存在识别的准确率低的问题。
发明内容
针对现有技术中的问题,本发明提供一种声纹识别方法及装置,能够有效提高多种质量的音频的识别的准确率。
为解决上述技术问题,本发明提供以下技术方案:
第一方面,本发明提供一种声纹识别方法,包括:
接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
进一步的,在接收录入的音频之前,还包括:
基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器。
其中,所述基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器,包括:
使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;
确定分类误差小于设定的误差阈值,即完成预设的分类器的训练。
进一步的,在接收录入的音频之前,还包括:
分别使用多种声纹识别算法对分类完毕后的音频进行识别,确定该分类下的音频对应的最优的声纹识别算法;
将所述最优的声纹识别算法作为该分类对应的声纹识别算法。
第二方面,本发明提供一种声纹识别装置,包括:
分类单元,用于接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
识别单元,用于确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
进一步的,还包括:
训练单元,用于基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器。
其中,所述训练单元,包括:
迭代子单元,用于使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;
判断子单元,用于确定分类误差小于设定的误差阈值,即完成预设的分类器的训练。
进一步的,还包括:
算法决策单元,用于分别使用多种声纹识别算法对分类完毕后的音频进行识别,确定该分类下的音频对应的最优的声纹识别算法;将所述最优的声纹识别算法作为该分类对应的声纹识别算法。
第三方面,本发明提供一种电子设备,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,所述处理器执行所述程序时实现所述的声纹识别方法的步骤。
第四方面,本发明提供一种计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现所述的声纹识别方法的步骤。
由上述技术方案可知,本发明提供一种声纹识别方法及装置,通过接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别,能够为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例中的声纹识别方法的第一种流程示意图。
图2为本发明实施例中的声纹识别方法的第二种流程示意图。
图3为本发明实施例中的声纹识别方法的第三种流程示意图。
图4为本发明实施例中的声纹识别装置的一种结构示意图。
图5为本发明实施例中的声纹识别装置的第二种结构示意图。
图6为本发明实施例中的声纹识别装置的第三种结构示意图。
图7为本发明实施例中的电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整的描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
本发明提供一种声纹识别方法的实施例,参见图1,所述声纹识别方法具体包含有如下内容:
S101:接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
在本步骤中,通过音频采集装置与用户进行交互,指引用户录入音频。接收用户录入的音频后,根据预先设置的音频分类器对接收用户录入的音频进行分类,并确定分类结果。
需要说明的是,分类结果是说明该用户录入的音频属于哪一个具体的类别。
S102:确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
在本步骤中,根据该用户录入的音频对应的分类确定该分类对应的声纹识别算法,采用确定的声纹识别算法对用户录入的音频进行识别。
需要说明的是,预先设置各个音频分类各自对应的声纹识别算法,在确定音频对应的分类后,采用该分类对应的算法对录入的音频进行识别处理。
从上述描述可知,本发明实施例提供的声纹识别方法,通过接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别,能够为采集到的音频选择合适的识别算法;使用决策算法进行识别。通过为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
在本发明的一实施例中,参见图2,所述声纹识别方法的步骤S101之前还包含有步骤S103,具体包含有如下内容:
S103:基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器。
在本步骤中,通过将大量带标签的音频输入到神经网络中,训练一个音频分类器;
再具体实施时,使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;直至分类误差小于设定的误差阈值,即完成预设的分类器的训练。
需要说明的是,标签即为音频对应的分类或分类结果,分类误差为分类错误数占分类次数的比例。
在本发明的一实施例中,参见图3,所述声纹识别方法的步骤S101之前还包含有步骤S104,具体包含有如下内容:
S104:分别使用多种声纹识别算法对分类完毕后的音频进行识别,确定该分类下的音频对应的最优的声纹识别算法;将所述最优的声纹识别算法作为该分类对应的声纹识别算法。
在本步骤中,分别使用适用多种不同场景的声纹识别算法对分类完毕后的音频进行认证或识别,并统计出不同类标签下每种算法的识别准确率,分析出每种音频分类下最优识别算法,得出每种分类下音频的最优识别算法决策方案;最优识别算法决策方案即为该分类下的音频对应的最优的声纹识别算法。将最优的声纹识别算法作为该分类对应的声纹识别算法。
从上述描述可知,本发明实施例提供的声纹识别方法,使用音频分类器对采集到的音频进行分类并对识别算法做出决策,能够为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率,进而使用户录音不必局限于较安静的环境、较长的有效时长,更具生产可用性。
本发明实施例提供一种能够实现所述声纹识别方法中全部内容的声纹识别装置的具体实施方式,参见图4,所述声纹识别装置具体包括如下内容:
分类单元20,用于接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
识别单元30,用于确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
参见图5,在上述实施例的基础上,进一步的还包括:
训练单元10,用于基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器。
其中,所述训练单元,包括:
迭代子单元,用于使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;
判断子单元,用于确定分类误差小于设定的误差阈值,即完成预设的分类器的训练。
参见图6,在上述实施例的基础上,进一步的还包括:
算法决策单元40,用于分别使用多种声纹识别算法对分类完毕后的音频进行识别,确定该分类下的音频对应的最优的声纹识别算法;将所述最优的声纹识别算法作为该分类对应的声纹识别算法。
本发明提供的声纹识别装置的实施例具体可以用于执行上述实施例中的声纹识别方法的实施例的处理流程,其功能在此不再赘述,可以参照上述方法实施例的详细描述。
从上述描述可知,本发明实施例提供的声纹识别装置,通过接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别,能够为采集到的音频选择合适的识别算法;使用决策算法进行识别。通过为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
本申请提供一种用于实现所述方法中的全部或部分内容的电子设备的实施例所述电子设备具体包含有如下内容:
处理器(processor)、存储器(memory)、通信接口(Communications Interface)和总线;其中,所述处理器、存储器、通信接口通过所述总线完成相互间的通信;所述通信接口用于实现相关设备之间的信息传输;该电子设备可以是台式计算机、平板电脑及移动终端等,本实施例不限于此。在本实施例中,该电子设备可以参照实施例用于实现所述声纹识别方法的实施例及用于实现所述声纹识别装置的实施例进行实施,其内容被合并于此,重复之处不再赘述。
图7为本申请实施例的电子设备9600的系统构成的示意框图。如图7所示,该电子设备9600可以包括中央处理器9100和存储器9140;存储器9140耦合到中央处理器9100。值得注意的是,该图7是示例性的;还可以使用其他类型的结构,来补充或代替该结构,以实现电信功能或其他功能。
一实施例中,声纹识别功能可以被集成到中央处理器9100中。其中,中央处理器9100可以被配置为进行如下控制:
接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
从上述描述可知,本申请的实施例提供的电子设备,通过接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别,能够为采集到的音频选择合适的识别算法;使用决策算法进行识别。通过为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
在另一个实施方式中,声纹识别装置可以与中央处理器9100分开配置,例如可以将声纹识别配置为与中央处理器9100连接的芯片,通过中央处理器的控制来实现声纹识别功能。
如图7所示,该电子设备9600还可以包括:通信模块9110、输入单元9120、音频处理器9130、显示器9160、电源9170。值得注意的是,电子设备9600也并不是必须要包括图7中所示的所有部件;此外,电子设备9600还可以包括图7中没有示出的部件,可以参考现有技术。
如图7所示,中央处理器9100有时也称为控制器或操作控件,可以包括微处理器或其他处理器装置和/或逻辑装置,该中央处理器9100接收输入并控制电子设备9600的各个部件的操作。
其中,存储器9140,例如可以是缓存器、闪存、硬驱、可移动介质、易失性存储器、非易失性存储器或其它合适装置中的一种或更多种。可储存上述与失败有关的信息,此外还可存储执行有关信息的程序。并且中央处理器9100可执行该存储器9140存储的该程序,以实现信息存储或处理等。
输入单元9120向中央处理器9100提供输入。该输入单元9120例如为按键或触摸输入装置。电源9170用于向电子设备9600提供电力。显示器9160用于进行图像和文字等显示对象的显示。该显示器例如可为LCD显示器,但并不限于此。
该存储器9140可以是固态存储器,例如,只读存储器(ROM)、随机存取存储器(RAM)、SIM卡等。还可以是这样的存储器,其即使在断电时也保存信息,可被选择性地擦除且设有更多数据,该存储器的示例有时被称为EPROM等。存储器9140还可以是某种其它类型的装置。存储器9140包括缓冲存储器9141(有时被称为缓冲器)。存储器9140可以包括应用/功能存储部9142,该应用/功能存储部9142用于存储应用程序和功能程序或用于通过中央处理器9100执行电子设备9600的操作的流程。
存储器9140还可以包括数据存储部9143,该数据存储部9143用于存储数据,例如联系人、数字数据、图片、声音和/或任何其他由电子设备使用的数据。存储器9140的驱动程序存储部9144可以包括电子设备的用于通信功能和/或用于执行电子设备的其他功能(如消息传送应用、通讯录应用等)的各种驱动程序。
通信模块9110即为经由天线9111发送和接收信号的发送机/接收机9110。通信模块(发送机/接收机)9110耦合到中央处理器9100,以提供输入信号和接收输出信号,这可以和常规移动通信终端的情况相同。
基于不同的通信技术,在同一电子设备中,可以设置有多个通信模块9110,如蜂窝网络模块、蓝牙模块和/或无线局域网模块等。通信模块(发送机/接收机)9110还经由音频处理器9130耦合到扬声器9131和麦克风9132,以经由扬声器9131提供音频输出,并接收来自麦克风9132的音频输入,从而实现通常的电信功能。音频处理器9130可以包括任何合适的缓冲器、解码器、放大器等。另外,音频处理器9130还耦合到中央处理器9100,从而使得可以通过麦克风9132能够在本机上录音,且使得可以通过扬声器9131来播放本机上存储的声音。
本发明的实施例还提供能够实现上述实施例中的声纹识别方法中全部步骤的一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序,该计算机程序被处理器执行时实现上述实施例中的声纹识别方法的全部步骤,例如,所述处理器执行所述计算机程序时实现下述步骤:
接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别。
从上述描述可知,本发明实施例提供的计算机可读存储介质,通过接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别,能够为采集到的音频选择合适的识别算法;使用决策算法进行识别。通过为不同特点的音频选择适用的高准确率识别算法,提高实际应用中声纹识别的整体识别准确率。
虽然本发明提供了如实施例或流程图所述的方法操作步骤,但基于常规或者无创造性的劳动可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境)。
本领域技术人员应明白,本说明书的实施例可提供为方法、装置(系统)或计算机程序产品。因此,本说明书实施例可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
本说明书中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。术语“上”、“下”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以根据具体情况理解上述术语在本发明中的具体含义。需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。本发明并不局限于任何单一的方面,也不局限于任何单一的实施例,也不局限于这些方面和/或实施例的任意组合和/或置换。而且,可以单独使用本发明的每个方面和/或实施例或者与一个或更多其他方面和/或其实施例结合使用。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (4)
1.一种声纹识别方法,其特征在于,包括:
接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别;
在接收录入的音频之前,还包括:
分别使用多种不同场景的声纹识别算法对分类完毕后的音频进行认证或识别,并统计出不同类标签下每种算法的识别准确率;
分析出每种音频分类下最优识别算法,得到每种分类下音频的最优识别算法决策方案,其中,所述最优识别算法决策方案即为该分类下的音频对应的最优的声纹识别算法;
将最优的声纹识别算法作为该分类对应的声纹识别算法;
在接收录入的音频之前,还包括:
基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器;
所述基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器,包括:
使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;
确定分类误差小于设定的误差阈值,即完成预设的分类器的训练。
2.一种声纹识别装置,其特征在于,包括:
分类单元,用于接收录入的音频并基于预设的音频分类器对所述录入的音频进行分类处理;
识别单元,用于确定所述录入的音频对应的分类,根据所述分类对应的声纹识别算法对所述录入的音频进行识别;
算法决策单元,用于分别使用多种不同场景的声纹识别算法对分类完毕后的音频进行认证或识别,并统计出不同类标签下每种算法的识别准确率;分析出每种音频分类下最优识别算法,得出每种分类下音频的最优识别算法决策方案,其中,所述最优识别算法决策方案即为该分类下的音频对应的最优的声纹识别算法;将最优的声纹识别算法作为该分类对应的声纹识别算法;
训练单元,用于基于神经网络算法、音频样本以及各个音频样本各自对应的分类标签进行训练,生成预设的音频分类器;
所述训练单元,包括:
迭代子单元,用于使用分类误差作为神经网络算法中的损失函数进行反向传播并通过随机梯度下降的方式迭代训练所述预设的分类器;
判断子单元,用于确定分类误差小于设定的误差阈值,即完成预设的分类器的训练。
3.一种电子设备,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权利要求1所述的声纹识别方法的步骤。
4.一种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权利要求1所述的声纹识别方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245391.9A CN111489756B (zh) | 2020-03-31 | 2020-03-31 | 一种声纹识别方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010245391.9A CN111489756B (zh) | 2020-03-31 | 2020-03-31 | 一种声纹识别方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111489756A CN111489756A (zh) | 2020-08-04 |
CN111489756B true CN111489756B (zh) | 2024-03-01 |
Family
ID=71812517
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010245391.9A Active CN111489756B (zh) | 2020-03-31 | 2020-03-31 | 一种声纹识别方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111489756B (zh) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513597A (zh) * | 2015-12-30 | 2016-04-20 | 百度在线网络技术(北京)有限公司 | 声纹认证处理方法及装置 |
CN107507612A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 一种声纹识别方法及装置 |
CN109102813A (zh) * | 2017-06-21 | 2018-12-28 | 北京搜狗科技发展有限公司 | 声纹识别方法、装置、电子设备和存储介质 |
CN109920435A (zh) * | 2019-04-09 | 2019-06-21 | 厦门快商通信息咨询有限公司 | 一种声纹识别方法及声纹识别装置 |
CN110009025A (zh) * | 2019-03-27 | 2019-07-12 | 河南工业大学 | 一种用于语音测谎的半监督加性噪声自编码器 |
CN110222841A (zh) * | 2019-06-17 | 2019-09-10 | 苏州思必驰信息科技有限公司 | 基于间距损失函数的神经网络训练方法和装置 |
CN110473566A (zh) * | 2019-07-25 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 音频分离方法、装置、电子设备及计算机可读存储介质 |
CN110648669A (zh) * | 2019-09-30 | 2020-01-03 | 上海依图信息技术有限公司 | 多频分路声纹识别方法、装置、系统及计算机可读存储介质 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040260550A1 (en) * | 2003-06-20 | 2004-12-23 | Burges Chris J.C. | Audio processing system and method for classifying speakers in audio data |
US9786270B2 (en) * | 2015-07-09 | 2017-10-10 | Google Inc. | Generating acoustic models |
CN107492382B (zh) * | 2016-06-13 | 2020-12-18 | 阿里巴巴集团控股有限公司 | 基于神经网络的声纹信息提取方法及装置 |
CN108091340B (zh) * | 2016-11-22 | 2020-11-03 | 北京京东尚科信息技术有限公司 | 声纹识别方法、声纹识别系统和计算机可读存储介质 |
CN107527624B (zh) * | 2017-07-17 | 2021-03-09 | 北京捷通华声科技股份有限公司 | 一种声纹识别方法及装置 |
CN110047493A (zh) * | 2019-03-13 | 2019-07-23 | 深圳市酷开网络科技有限公司 | 基于声纹识别优先级的控制方法、装置及存储介质 |
CN110164453A (zh) * | 2019-05-24 | 2019-08-23 | 厦门快商通信息咨询有限公司 | 一种多模型融合的声纹识别方法、终端、服务器及存储介质 |
-
2020
- 2020-03-31 CN CN202010245391.9A patent/CN111489756B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105513597A (zh) * | 2015-12-30 | 2016-04-20 | 百度在线网络技术(北京)有限公司 | 声纹认证处理方法及装置 |
CN109102813A (zh) * | 2017-06-21 | 2018-12-28 | 北京搜狗科技发展有限公司 | 声纹识别方法、装置、电子设备和存储介质 |
CN107507612A (zh) * | 2017-06-30 | 2017-12-22 | 百度在线网络技术(北京)有限公司 | 一种声纹识别方法及装置 |
CN110009025A (zh) * | 2019-03-27 | 2019-07-12 | 河南工业大学 | 一种用于语音测谎的半监督加性噪声自编码器 |
CN109920435A (zh) * | 2019-04-09 | 2019-06-21 | 厦门快商通信息咨询有限公司 | 一种声纹识别方法及声纹识别装置 |
CN110222841A (zh) * | 2019-06-17 | 2019-09-10 | 苏州思必驰信息科技有限公司 | 基于间距损失函数的神经网络训练方法和装置 |
CN110473566A (zh) * | 2019-07-25 | 2019-11-19 | 深圳壹账通智能科技有限公司 | 音频分离方法、装置、电子设备及计算机可读存储介质 |
CN110648669A (zh) * | 2019-09-30 | 2020-01-03 | 上海依图信息技术有限公司 | 多频分路声纹识别方法、装置、系统及计算机可读存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111489756A (zh) | 2020-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111275546B (zh) | 金融客户欺诈风险识别方法及装置 | |
CN105989333B (zh) | 指纹认证方法、系统及支持指纹认证功能的终端 | |
CN111524526B (zh) | 声纹识别方法及装置 | |
CN111312283A (zh) | 跨信道声纹处理方法及装置 | |
CN105447750A (zh) | 信息识别方法、装置、终端及服务器 | |
CN111401906A (zh) | 转账风险检测方法及系统 | |
CN111931835A (zh) | 一种图像识别方法、装置及系统 | |
CN104992715A (zh) | 一种智能设备的界面切换方法及系统 | |
KR101805437B1 (ko) | 배경 화자 데이터를 이용한 화자 인증 방법 및 화자 인증 시스템 | |
CN112579773A (zh) | 风险事件分级方法及装置 | |
CN112734565B (zh) | 流动性覆盖率预测方法及装置 | |
CN114171031A (zh) | 一种基于多任务学习和对抗训练的声纹识别模型训练方法 | |
CN111489756B (zh) | 一种声纹识别方法及装置 | |
WO2024099359A1 (zh) | 语音检测的方法和装置、电子设备和存储介质 | |
CN111341320B (zh) | 短语语音的声纹识别方法及装置 | |
CN112820298B (zh) | 声纹识别方法及装置 | |
CN110931014A (zh) | 基于正则匹配规则的语音识别方法及装置 | |
CN115798458A (zh) | 分类语种识别方法及装置 | |
CN107957899B (zh) | 录屏方法、装置、计算机可读存储介质和一种移动终端 | |
CN115562960A (zh) | 智能设备的应用优化方法及系统 | |
CN101894108A (zh) | 网上搜索书源的方法及其系统 | |
CN113111759A (zh) | 双录数据质检中的客户确认检测方法及装置 | |
CN112653983A (zh) | 蓝牙耳机佩戴状态的智能检测方法及装置 | |
CN111401152B (zh) | 人脸识别方法及装置 | |
CN113065109A (zh) | 人机识别方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |