CN112820302B - 声纹识别方法、装置、电子设备和可读存储介质 - Google Patents

Abstract

本申请公开了一种声纹识别方法、装置、电子设备和可读存储介质，属于信息安全技术领域。该方法应用于电子设备，所述方法包括：获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型；若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型；若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。本申请通过将电子设备上第一声纹模型发送至物联网设备可以避免用户繁琐的训练声纹模型。

Description

声纹识别方法、装置、电子设备和可读存储介质

技术领域

本申请涉及信息安全技术领域，更具体地，涉及一种声纹识别方法、装置、电子设备和可读存储介质。

背景技术

声纹特征是人体重要生物特征之一，具有较强的个体特殊性，常用于声纹识别、声纹认证等领域作为身份认证的一种特征。目前声纹唤醒技术已经广泛应用于手机等终端设备产品中。在IOT(The Internet of Things，物联网)等产品中的应用也正在慢慢的普及，如在声纹训练的过程中，一般采用用户注册声纹时，一次性采集一定数量的用户语音，然后使用这些采集到的音频，提取声纹信息，生成声纹唤醒模型。另外，IOT设备的声纹训练过程，通常是借助手机等移动终端的APP(APPlication，应用程序)，因此，如何更好的在IOT和电子设备中使用声纹识别是亟待解决的技术问题。

发明内容

本申请提出了一种声纹识别方法、装置、电子设备和可读存储介质，以改善上述缺陷。

第一方面，本申请实施例提供了一种声纹识别方法，应用于电子设备，所述方法包括：获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型；若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型；若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

第二方面，本申请实施例还提供了一种声纹识别装置，应用于电子设备，所述装置包括：获取模块、确定模块和发送模块。其中，获取模块，用于获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型。确定模块，用于若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型。发送模块，用于若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

第三方面，本申请实施例还提供了一种电子设备，包括一个或多个处理器；存储器；一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行上述方法。

第四方面，本申请实施例还提供了一种计算机可读介质，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行上述方法。

本申请实施例提供的声纹识别方法、装置、电子设备和可读存储介质，本申请通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同的物联网设备上训练声纹模型。

本申请实施例的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请实施例而了解。本申请实施例的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。

附图说明

为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域技术人员来讲，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示出了本申请实施例提供的声纹识别方法及装置的应用场景图；

图2示出了本申请一个实施例提供的声纹识别方法的方法流程图；

图3示出了本申请另一个实施例提供的声纹识别方法的方法流程图；

图4示出了图3中步骤S304的流程图；

图5示出了本申请又一个实施例提供的声纹识别方法的方法流程图；

图6示出了本申请再一个实施例提供的声纹识别方法的方法流程图；

图7示出了本申请实施例提供的声纹识别装置的模块框图；

图8示出了本申请另一个实施例提供的声纹识别装置的模块框图；

图9示出了本申请实施例提供的电子设备的结构框图；

图10示出了本申请实施例提供的用于保存或者携带实现根据本申请实施例的声纹识别方法的程序代码的存储单元。

具体实施方式

下面将结合本申请实施例中附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本申请保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。同时，在本申请的描述中，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

请参阅图1，示出了本申请实施例提供的声纹识别方法及装置的应用场景图。如图1中所示，电子设备1和物联网设备2位于无线网络或有线网络中，电子设备1和物联网设备3进行数据交互。

于本申请实施例中，电子设备1可以为移动终端设备，例如可以包括智能手机、平板电脑、电子书阅读器、膝上型便携计算机、车载电脑、穿戴式移动终端等等。在一些实施方式中，电子设备1可以通过有线或者无线网络与至少一个物联网设备2进行连接，物联网设备2可以是智能家居设备，如其可以是电视、空调、冰箱以及传感器等电子设备1可以传输数据至物联网设备2，物联网设备2也可以将其获取的数据传输至电子设备1，并且当物联网设备2为多个时，所述多个物联网设备2之间也可以进行数据的交互。

声纹特征是人体重要生物特征之一，具有较强的个体特殊性，常用于声纹识别、声纹认证等领域作为身份认证的一种特征。目前声纹唤醒技术已经广泛应用于手机等终端设备产品中。在IOT(The Internet of Things，物联网)等产品中的应用也正在慢慢的普及，如在声纹训练的过程中，一般采用用户注册声纹时，一次性采集一定数量的用户语音，然后使用这些采集到的音频，提取声纹信息，生成声纹唤醒模型。另外，IOT设备的声纹训练过程，通常是借助手机等移动终端的APP(APPlication，应用程序。目前IOT设备的声纹训练需要使用手机等电子设备进行训练，并且需要下载对应的APP等，然后再进行声纹训练，整个过程操作繁琐且复杂，如此导致声纹识别操作不够简单方便。另外，用户在注册声纹唤醒时，通常需要一次性采集多个语音来生成唤醒模型，由于用户在使用声纹唤醒功能时，用户的声纹会随着时间不断发生改变，即产生声纹漂移，导致声纹唤醒率随着时间增长而出现下降情况。

因此，为了解决上述问题，本申请实施例提供了一种声纹识别方法。请参阅图2，示出了本申请一个施例提供的声纹识别方法，应用于电子设备，该声纹识别方法包括：步骤S201至步骤S204。

步骤S201：获取与所述电子设备连接的物联网设备。

作为一种方式，本发明实施例可以获取与电子设备连接的物联网设备，其中，电子设备可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备，物联网设备(IOT设备)可以是智能家居设备，如其可以包括电视、空调、冰箱以及信息传感器、红外传感器和激光扫描器等。物联网即“万物相连的互联网”，是互联网基础上的延伸和扩展的网络，即物联网是将各种信息传感设备与互联网结合起来而形成的一个巨大网络，其可以实现在任何时间、任何地点，人、机以及物的互通互联，本发明实施例中的物联网设备可以是物联网中的任一设备，也可以是物联网中的多个设备，或者也可以是物联网中的指定设备，物联网设备具体指的是什么设备这里不进行明确限制，可以根据实际情况进行选择。

本发明实施例中，当电子设备获取到与其连接的物联网设备为多个时，其可以对所述多个物联网设备的优先级进行从高到低的排序，得到优先级排序结果，而后根据优先级排序结果确定物联网设备是否包括第一声纹模型。具体的，电子设备可以根据用户的使用频次确定物联网设备的优先级，使用频次越高则优先级越高，或者也可以根据物联网设备的使用时长确定物联网设备的优先级，使用时间越长则优先级越高。通过根据优先级的排序结果来确定第二声纹模型的发送顺序，在一定程度上可以提高用户的使用体验。例如，冰箱是用户使用频率最高的物联网设备，那么先为电视配置声纹识别模型可以提高用户的使用体验。

步骤S202：确定所述物联网设备是否包括第一声纹模型。

在一些实施方式中，电子设备在获取到与其连接的物联网设备之后，可以确定该物联网设备是否包括第一声纹模型，具体的，电子设备可以发送声纹模型检测指令至物联网设备，以指示物联网设备确定其是否包括第一声纹模型，当电子设备接收到物联网发送的确认信息后，即可确定物联网设备包括第一声纹模型，当电子设备未接收到物联网发送的确认信息，则确定物联网设备不包括第一声纹模型。

在另一些实施方式中，电子设备在获取到与其连接的物联网设备之后，其也可以发送数据获取指令至物联网设备，当接收到物联网设备发送的数据时，电子设备则可以根据该数据确定物联网设备是否包括第一声纹模型。另外，电子设备在获取到与其连接的物联网设备时，其也可以获取其存储的与物联网设备交互的相关历史数据，并基于该历史数据确定物联网设备中是否包括第一声纹模型。具体的，电子设备可以利用人工智能对物联网设备的历史数据进行分析，确定出该历史数据中是否包含与第一声纹模型相关的数据，如果包括，则确定物联网设备中包括第一声纹模型。另外，电子设备也可以通过服务器发送的数据确定物联网设备中是否包括第一声纹模型。

本发明实施例中，第一声纹模型可以是与声纹识别相关的网络模型，所述第一声纹模型的主要作用是接收用户输入的语音，并对该语音进行识别，当输入语音与预设语音匹配时，则可以执行该输入语音相关的内容。例如，用户A输入了语音内容“小美，我想提高温度”，当物联网设备接收到该语音时可以系确定用户A是否为注册用户，如果是注册用户，则提高温度。

作为一种方式，第一声纹模型也可以是用户通过物联网设备输入的音频数据训练第一声纹识别网络获取的，也可以是通过其他设备发送的音频数据训练获取的，其中，第一声纹识别网络可以是物联网设备在出厂前就配置有的声纹识别网络，所述物联网设备在获取到用户输入的3至5个音频数据后，可以利用所述音频数据对第一声纹识别网络进行训练，进而得到第一声纹模型。另外，第一声纹识别网络可以是基于物联网设备的硬件参数构建的，物联网设备不同则对应存储的第一声纹识别网络也可能不同。

在另一些实施方式中，当确定物联网设备包括第一声纹模型时，本发明实施例可以确定所述第一声纹模型是否是最新的声纹模型，如果是最新的声纹模型，则不对所述第一声纹模型进行更新，如果不是最新的声纹模型则可以利用第二声纹模型对第一声纹模型进行更新。另外，当确定物联网设备不包括第一声纹模型时，本发明实施例则可以确定该物联网设备是否能兼容所述电子设备生成的第二声纹模型，即进入步骤S102。

步骤S203：若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型。

在一些实施方式中，电子设备在确定物联网设备不包括第一声纹模型时，其可以确定该物联网设备是否能兼容电子设备生成的第二声纹模型，第二声纹模型可以是与声纹识别相关的网络模型，所述第二声纹模型的主要作用是接收用户输入的语音，并对该语音进行识别，当输入语音与预设语音匹配时，则可以执行该输入语音相关的内容。本发明实施例中，第一声纹模型是通过第一音频数据对第一声纹识别网络训练获取的，其中，第一声纹识别网络可以是根据物联网设备的硬件参数获取的，且第一音频数据可以是用户基于物联网设备输入的音频数据。第二声纹识别模型是通过第二音频数据对第二声纹识别网络训练获取的，其中，第二声纹识别网络可以是根据电子设备的硬件参数获取的，且第二音频数据可以是用户基于电子设备输入的音频数据。可见，第一声纹识别模型和第二声纹模型的不同之处在于，第一声纹识别模型存储于物联网设备中，且其是通过第一音频数据训练第一声纹识别网络获取的，而第二声纹模型则是存储于电子设备中，且其是通过第二音频数据训练第二声纹识别网络获取的。

作为一种方式，第二声纹模型可以是用户通过电子设备输入的音频数据训练第二声纹识别网络获取的，也可以是通过其他设备发送的音频数据训练获取的，其中，第二声纹识别网络可以是电子设备在出厂前就配置有的声纹识别网络，或者也可以是在出厂后配置的声纹识别网络，所述电子设备在获取到用户输入的3至5个音频数据后，可以利用所述音频数据对第二电子设备的硬件参数构建的，电子设备不同则对应存储的第二声纹识别网络也可能不同。

需要说明的是，第一声纹识别网络和第二声纹识别网络的网络结构可以相同也可以不相同，且电子设备和物联网设备可以属于同一厂家也可以不属于同一厂家，以及训练第一声纹模型的第一音频数据和训练第二声纹模型第二音频数据可以相同也可以不相同。本发明实施例可以结合这些数据综合确定物联网设备是否能兼容电子设备生成的第二声纹模型，或者也可以只根据上述一个条件确定物联网设备是否能兼容电子设备生成的第二声纹模型，具体如何判断这里不进行明确限制。

通过上述介绍可以知道，本发明实施在确定物联网设备不包括第一声纹模型时，可以确定物联网设备是否能兼容电子设备生成的第二声纹模型，其中，兼容指的是物联网设备是否能正常运行第二声纹模型，以及物联网设备利用第二声纹模型进行声纹识别的准确率是否大于准确率阈值，所述准确率阈值可以是电子设备利用第二声纹模型进行声纹识别的准确率平均值，所述准确率阈值也可以是用户根据经验值设置的。当确定物联网设备能够兼容电子设备生成的第二声纹模型时，电子设备可以将第二声纹模型发送至物联网设备，即进入步骤S103。

另外，当确定物联网设备不兼容电子设备生成的第二声纹模型时，电子设备可以不将第二声纹模型发送到物联网设备，即结束模型发送操作，同时可以将训练第二声纹模型的第二音频数据发送至物联网设备，以指示物联网设备利用所述第二音频数据对第一声纹模型进行更新；或者本发明实施例也可以重新获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型，即进入步骤S101。

步骤S204：将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

本发明实施例中，电子设备在确定物联网设备不包括第一声纹模型，并且物联网设备兼容电子设备生成的第二声纹模型时，其可以将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

本申请实施例提出的一种声纹识别方法本申请通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同的物联网设备上训练声纹模型。

本申请另一实施例提供了一种声纹识别方法，应用电子设备，请参阅图3，该声纹识别方法可以包括步骤S301至步骤S306。

步骤S301：获取与所述电子设备连接的物联网设备。

步骤S302：确定所述物联网设备是否包括第一声纹模型。

在一些实施方式中，当物联网设备包括第一声纹模型时，电子设备可以获取第一声纹模型的第一生成时间，以及获取第二声纹模型的第二生成时间，即进入步骤S303。另外，当物联网设备未包括第一声纹模型时，电子设备则可以确定物联网设备是否兼容电子设备生成的第二声纹模型，即进入步骤S305。

步骤S303：获取所述第一声纹模型的第一生成时间，以及获取所述第二声纹模型的第二生成时间。

在一些实施方式中，第一声纹模型的第一生成时间可以是物联网设备获取到第一声纹模型的时间，即第一声纹模型可以是通过利用第一音频数据训练第一声纹识别网络，得到第一声纹模型的时间。例如，物联网设备A在2021年1月10号14:00获取到用户基于所述物联网设备A输入的音频数据，而后物联网设备A利用该音频数据对预先获取的第一声纹识别网络进行训练，最后得到第一声纹模型，而第一声纹模型生成的时间是2021年1月10号15:00，此时第一生成时间即为2021年1月10号15:00。

同理，第二声纹模型的第二生成时间可以是电子设备获取到第二声纹模型的时间，即第二声纹模型可以是通过利用第二音频数据训练第二声纹识别网络，得到第二声纹模型的时间。例如，电子设备B在2021年1月20号9:00获取到用户基于所述电子设备B输入的音频数据，而后电子设备B利用该音频数据对预先获取的第二声纹识别网络进行训练，最后得到第二声纹模型，而第二声纹模型生成的时间是2021年1月20号11:00，此时第二生成时间即为2021年1月20号11:00。

在另一些实施方式中，第一生成时间和第二生成时间也可以是模型的更新时间，即第一生成时间可以是利用第二声纹模型对第一声纹模型进行更新的时间，也可以是利用第二声纹模型对应的第二音频数据对第一声纹模型进行更新的时间，或者也可以是用户基于物联网设备输入的最新的音频数据对第一声纹模型进行更新的时间。同理，第二生成时间也可以是用户基于电子设备输入的最新的音频数据对第二声纹模型进行更新的时间，或者也可以是其他电子设备发送的声纹模型对第二声纹模型进行更新的时间等。综上，第一生成时间指的是物联网设备中包括的最新版本的第一声纹模型的生成时间，第二生成时间指的是电子设备中包括的最新版本的第二声纹模型的生成时间。

作为一种方式，在获取到第一声纹模型的第一生成时间，以及获取到第二声纹模型的第二生成时间之后，电子设备可以确定第一生成时间是否早于第二生成时间，如果第一生成时间早于第二生成时间，则将第二声纹模型发送至物联网设备，即进入步骤S204。如果第一生成时间晚于第二生成时间，则不对物联网设备中存储的第一声纹模型进行更新，即保持第一声纹模型不变。

步骤S304：当所述第一生成时间早于所述第二生成时间时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

本发明实施例中，当电子设备确定第一生成时间早于第二生成时间时，将第二声纹模型发送至物联网设备，以指示物联网设备利用第二声纹模型对第一声纹模型进行更新。例如，上述示例中第一声纹模型的第一生成时间是2021年1月10号15:00，而第二声纹模型的第二生成时间是2021年1月20号11:00，可见，第一生成时间是早于第二生成时间的。此时，电子设备则可以将第二声纹模型发送至物联网设备，指示物联网设备利用第二声纹模型对第一声纹模型进行更新。

在一些实施方式中，电子设备指示物联网设备利用第二声纹模型对第一声纹模型进行更新，可以是指示物联网设备直接用第二声纹模型替换第一声纹模型，而后物联网设备在接收到音频数据后，其便可以利用第二声纹模型对音频数据进行识别。另外，当确定第一时间早于第二时间，电子设备将第二声纹模型发送至物联网设备之后，也可以指示物联网设备将第二声纹模型和第一声纹模型进行融合，得到第三声纹模型。同理，物联网设备在接收到用户输入音频数据时，其可以利用所述第三声纹模型对音频数据进行识别。

请参阅图4，步骤S304可以包括步骤S3041至步骤S3042。

步骤S3041：确定所述物联网设备是否兼容所述第二声纹模型。

作为一种方式，在确定物联网设备包括第一声纹模型，且第一声纹模型的生成时间早于第二声纹模型的生成时间时，电子设备也可以确定物联网设备是否能兼容第二声纹模型，如果电子设备能兼容第二声纹模型，则将第二声纹模型发送至物联网设备，即进入步骤S3042，如果电子设备不能兼容第二声纹模型，则可以不对物联网设备中的声纹模型进行更新，或者也可以将第二声纹模型对应的第二音频数据发送至物联网设备，以通过该音频数据实现对第一声纹模型的更新。

步骤S3042：当所述物联网设备兼容所述第二声纹模型时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

在另一些实施方式中，当物联网设备不兼容第二声纹模型时，电子设备可以获取第二声纹模型对应的第二音频数据，然后将所述第二音频数据发送至物联网设备，并指示物联网设备利用第二音频数据对第一声纹模进行更新。其中，第二音频数据可以是用户基于电子设备输入的音频训练数据，电子设备接收到所述第二音频数据后可以利用所述第二音频数据对第二声纹识别网络进行训练，以得到第二声纹模型。需要说明的是，第二音频数据可以是训练第二声纹识别网络得到第二声纹模型的音频数据，其也可以是，更新第二声纹模型的数据。例如，电子设备的存储器中存储有第二声纹模型，用户在使用过程中更新了所述第二声纹模型，此时更新第二声纹模型的数据也可以称作是第二音频数据。

步骤S305：确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型。

步骤S306：将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

本申请实施例提出的一种声纹识别方法通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同物联网设备上训练声纹模型。另外，本发明实施例通过对第一声纹模型和第二声纹模型的生成时间的判断可以准确及时的对第一声纹模型进行更新，其在一定程度上可以避免由于声纹漂移现象导致的唤醒率下降问题。

本申请又一实施例提供了一种声纹识别方法，应用于电子设备，请参阅图5，该声纹识别方法可以包括步骤S501至步骤S510。

步骤S501：获取与所述电子设备连接的物联网设备。

步骤S502：确定所述物联网设备是否包括第一声纹模型。

步骤S503：获取所述第一声纹模型的第一生成时间，以及获取所述第二声纹模型的第二生成时间。

在另一些实施方式中，为了在避免声纹漂移产生的影响的同时降低模型更新带来的功耗，本发明实施可以确定第一声纹模型的第一生成时间是否早于第二声纹模型的第二生成时间，如果第一生成时间早于第二生成时间，则获取第一生成时间与第二生成时间之间的时间差，即进入步骤S504。

步骤S504：当所述第一生成时间早于所述第二生成时间时，获取所述第一生成时间与所述第二生成时间之间的时间差。

本发明实施例中，第一生成时间可以是通过训练第一声纹识别网络得到第一声纹模型的时间，同理，第二生成时间可以是通过训练第二声纹识别网络得到第二声纹模型的时间。在确定第一生成时间早于第二生成时间时，本发明实施也可以获取第一生成时间与第二生成时间之间的时间差，然后确定第一生成时间与第二生成时间之间的所述时间差是否大于时间阈值，即进入步骤S505。

步骤S405：确定所述时间差是否大于时间阈值。

本发明实施例中，时间阈值可以是预先设置的，也可以是根据第一声纹识别网络的结构复杂程度确定，第一声纹识别网络的网络结构越复杂则所述时间阈值越大，反之，第一声纹识别网络的网络结构越简单则时间阈值越小。换句话说，本发明实施例可以通过一一对应的方式，将网络结构复杂度和时间阈值进行对应存储，获取到第一声纹识别网络就可以获取到与其对应的时间阈值，即在获取到第一生成时间与第二生成时间之间的时间差之后，本发明实施例可以先获取第一声纹识别网络的网络结构复杂度，然后获取该网络结构复杂度对应的时间阈值。其中，网络结构复杂度可以通过结合神经网络的深度、权值参数以及损失函数等综合确定。

步骤S506：当所述时间差大于时间阈值时，将所述第二声纹模型发送至所述物联网设备。

本发明实施例中，当确定第一声纹模型的第一生成时间与第二声纹模型的第二生成时间之间的时间差大于时间阈值时，电子设备可以将第二声纹模型发送至物联网设备。另外，在将第二声纹模型发送至物联网设备之前，电子设备也可以确定物联网设备是否兼容所述第二声纹模型，如果确定物联网设备可以兼容所述第二声纹模型，则将第二声纹模型直接发送至物联网设备，以指示物联网设备在接收到音频数据时，利用所述第二声纹模型进行音频识别。如果物联网设备不能兼容所述第二声纹模型，电子设备则可以将训练第二声纹模型的第二音频数据发送至物联网设备，并指示物联网设备利用所述第二音频数据对第一声纹模型进行更新。

作为一种方式，当确定第一声纹模型的第一生成时间与第二声纹模型的第二生成时间之间的时间差小于或者等于时间阈值时，电子设备可以停止对物联网设备中声纹模型的更新操作，即不改变物联网设备中存储的第一声纹模型。另外，在确定物联网设备不包括第一声纹模型时，本发明实施例可以确定物联网设备是否能兼容电子设备生成的第二声纹模型，即进入步骤S507。

步骤S507：确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型。

步骤S508：将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

步骤S509：获取与所述第二声纹模型对应的第二音频数据。

步骤S510：将所述第二音频数据发送至所述物联网设备，并指示所述物联网设备利用所述第二音频数据对所述第一声纹识别网络进行训练，得到第一声纹模型。

本申请实施例提出的一种声纹识别方法通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同的物联网设备上训练声纹模型。另外，本发明实施例通过对第一生成时间与第二生成时间之间的时间差的比较，不仅可以避免声纹漂移产生的影响，同时可以降低模型更新带来的不必要功耗。

本申请再一实施例提供了一种声纹识别方法，应用于电子设备，请参阅图6，该声纹识别方法可以包括步骤S601至步骤S604。

步骤S601：获取与所述电子设备连接的物联网设备。

步骤S602：当确定所述物联网设备不包括所述第一声纹模型时，判断所述第一声纹识别网络的结构与所述第二声纹识别网络的结构是否匹配。

在一些实施方式中，当确定物联网设备不包括第一声纹模型时，电子设备可以判断第一声纹识别网络的网络结构与第二声纹识别网络的结构是否匹配，即确定第一声纹识别网络的网络结构与第二识别网络的网络结构是否基本相同，如果相同或者是近似相同，则确定第一声纹识别网络的结构与第二声纹识别网络的结构匹配，此时可以确定物联网设备兼容电子设备生成的第二声纹模型。

在一个具体实施方式中，第一声纹识别网络由输入层、卷积层、池化层以及激活函数层组成，第二声纹识别网络也是由输入层、卷积层、池化层以及激活函数层组成，并且第一声纹识别网络中输入层、卷积层、池化层以及激活函数层的层数与第二声纹识别网络中的输入层、卷积层、池化层以及激活函数层的层数相同，此时便可以确定第一声纹识别网络与第二声纹识别网络结构匹配。

通过上述介绍可以知道，不管物联网设备中是否包括第一声纹模型，本发明实施例都需要确定物联网设备中是否兼容电子设备生成的第二声纹模型，是否兼容的判断方式可以如上所述，即判断第一声纹识别网络的结构与第二声纹识别网络的结构是否匹配。另外，本发明实施例也可以确定第一声纹模型和第二声纹模型的版本是否相同，如果第一声纹模型和第二声纹模型的版本相同，则确定物联网设备可以兼容电子设备生成的第二声纹模型。如果不相同，则确定物联网设备不能兼容电子设备生成的第二声纹模型。

作为另一种方式，电子设备也可以获取物联网设备和电子设备的厂家，并确定所述物联网设备和电子设备的厂家是否相同，如果物联网设备和电子设备的厂家相同，则可以确定物联网设备可以兼容电子设备生成的第二声纹模型。需要说明的是，电子设备在确定物联网设备是否兼容电子设备生成的第二声纹模型时，本发明实施例可以结合厂家、版本以及网络结构等中的至少一个来确定，具体是先判断哪个后判断哪个这里不进行明确限制，可以根据实际情况进行选择。

步骤S603：若匹配，则确定所述物联网设备兼容所述电子设备生成的第二声纹模型。

步骤S604：将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

在一些实施方式中，电子设备可以是移动终端，如物联网设备是电视，而电子设备则是手机。另外，电子设备也可以是物联网设备，如物联网设备是电视，而电子设备则是空调，又如，物联网设备是电视1，而电子设备则是电视2。另外，物联网设备也可以是移动终端，如电子设备是手机1，而物联网设备可以是手机2。电子设备和物联网设备具体指的是什么设备这里不进行明确限制。

本申请实施例提出的一种声纹识别方法通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同的物联网设备上训练声纹模型。另外，本发明实施例通过判断物联网设备是否兼容电子设备生成的第二声纹模型可以避免模型的误传输，降低误传输带来的功耗。

请参阅图7，本申请实施例提出了一种声纹识别装置700，应用于电子设备。在具体的实施例中，该声纹识别装置700包括：获取模块701、确定模块702以及发送模块703。

获取模块701，用于获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型。

确定模块702，用于若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型。

进一步的，确定模块702还用于当确定所述物联网设备不包括所述第一声纹模型时，判断所述第一声纹识别网络的结构与所述第二声纹识别网络的结构是否匹配；若匹配，则确定所述物联网设备兼容所述电子设备生成的第二声纹模型。

发送模块703，用于若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别。

请参阅图8，在另一些实施方式中，声纹识别装置800还可以包括时间获取模块804和模型更新模块805。

时间获取模块804，用于若所述物联网设备包括所述第一声纹模型，则获取所述第一声纹模型的第一生成时间，以及获取所述第二声纹模型的第二生成时间。

模型更新模块805，用于当所述第一生成时间早于所述第二生成时间时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

进一步的，模型更新模块805还用于确定所述物联网设备是否兼容所述第二声纹模型；当所述物联网设备兼容所述第二声纹模型时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

进一步的，模型更新模块805还用于当所述物联网设备不兼容所述第二声纹模型时，获取所述第二声纹模型对应的第二音频数据；将所述第二音频数据发送至所述物联网设备，并指示所述物联网设备利用所述第二音频数据对所述第一声纹模型进行更新。

进一步的，模型更新模块805还用于当所述第一生成时间早于所述第二生成时间时，获取所述第一生成时间与所述第二生成时间之间的时间差，并确定所述时间差是否大于时间阈值；当所述时间差大于时间阈值时，将所述第二声纹模型发送至所述物联网设备。

进一步地，声纹识别装置800还用于若所述物联网设备不兼容所述第二声纹模型，则获取与所述第二声纹模型对应的第二音频数据；将所述第二音频数据发送至所述物联网设备，并指示所述物联网设备利用所述第二音频数据对所述第一声纹识别网络进行训练，得到第一声纹模型。

所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

在本申请所提供的几个实施例中，模块相互之间的耦合可以是电性，机械或其它形式的耦合。

本申请实施例提出的一种声纹识别装置，本申请通过将电子设备包括的第二声纹模型发送至物联网设备可以提高用户训练声纹模型的使用体验，具体的，本申请首先可以获取与电子设备连接的物联网设备，并确定该物联网设备是否包括第一声纹模型，当确定物联网设备不包括第一声纹模型时，确定物联网设备是否可以兼容第一声纹模型，如果可以兼容，则将电子设备包括的第二声纹模型发送至物联网设备，而物联网设备则主要用于在接收到第二音频数据时利用第二声纹模型对第二音频数据进行声纹识别。本申请通过将电子设备包括的第二声纹模型发送至物联网设备，其在一定程度上可以避免用户繁琐的在不同的物联网设备上训练声纹模型。

另外，在本申请各个实施例中的各功能模块可以集成在一个处理模块中，也可以是各个模块单独物理存在，也可以两个或两个以上模块集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。

请参阅图9，其示出了本申请实施例提供的一种电子设备900的结构框图。该电子设备900可以是智能手机、平板电脑、电子书等能够运行应用程序的电子设备。本申请中的电子设备900可以包括一个或多个如下部件：处理器910、存储器920、以及一个或多个应用程序，其中一个或多个应用程序可以被存储在存储器920中并被配置为由一个或多个处理器910执行，一个或多个程序配置用于执行如前述方法实施例所描述的方法。

处理器910可以包括一个或者多个处理核。处理器910利用各种接口和线路连接整个电子设备900内的各个部分，通过运行或执行存储在存储器920内的指令、程序、代码集或指令集，以及调用存储在存储器920内的数据，执行电子设备900的各种功能和处理数据。可选地，处理器910可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)、可编程逻辑阵列(Programmable LogicArray，PLA)中的至少一种硬件形式来实现。处理器910可集成中央处理器(CentralProcessing Unit，CPU)、声纹识别器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器910中，单独通过一块通信芯片进行实现。

存储器920可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。存储器920可用于存储指令、程序、代码、代码集或指令集。存储器920可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于实现至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现下述各个方法实施例的指令等。存储数据区还可以存储电子设备900在使用中所创建的数据(比如电话本、音视频数据、聊天记录数据)等。

请参阅图10，其示出了本申请实施例提供的一种计算机可读存储介质1000的结构框图。该计算机可读存储介质1000中存储有程序代码，所述程序代码可被处理器调用执行上述方法实施例中所描述的方法。

计算机可读存储介质1000可以是诸如闪存、EEPROM(电可擦除可编程只读存储器)、EPROM、硬盘或者ROM之类的电子存储器。可选地，计算机可读存储介质1000包括非易失性计算机可读介质(non-transitory computer-readable storage medium)。计算机可读存储介质1000具有执行上述方法中的任何方法步骤的程序代码1010的存储空间。这些程序代码可以从一个或者多个计算机程序产品中读出或者写入到这一个或者多个计算机程序产品中。程序代码1010可以例如以适当形式进行压缩。

最后应说明的是：以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不驱使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围。

Claims (9)

1.一种声纹识别方法，其特征在于，应用于电子设备，所述方法包括：

获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型；

若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型；

若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备用于在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别；

若所述物联网设备包括所述第一声纹模型，则获取所述第一声纹模型的第一生成时间，以及获取所述第二声纹模型的第二生成时间；

当所述第一生成时间早于所述第二生成时间时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

2.根据权利要求1所述的方法，其特征在于，所述将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新，包括：

确定所述物联网设备是否兼容所述第二声纹模型；

当所述物联网设备兼容所述第二声纹模型时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

3.根据权利要求2所述的方法，其特征在于，所述方法还包括：

当所述物联网设备不兼容所述第二声纹模型时，获取所述第二声纹模型对应的第二音频数据；

将所述第二音频数据发送至所述物联网设备，并指示所述物联网设备利用所述第二音频数据对所述第一声纹模型进行更新。

4.根据权利要求1至3任一所述的方法，其特征在于，所述当所述第一生成时间早于所述第二生成时间时，将所述第二声纹模型发送至所述物联网设备，包括：

当所述第一生成时间早于所述第二生成时间时，获取所述第一生成时间与所述第二生成时间之间的时间差，并确定所述时间差是否大于时间阈值；

当所述时间差大于时间阈值时，将所述第二声纹模型发送至所述物联网设备。

5.根据权利要求1至2任一所述的方法，其特征在于，所述第一声纹模型是通过训练第一声纹识别网络获取的，所述方法还包括：

若所述物联网设备不兼容所述第二声纹模型，则获取与所述第二声纹模型对应的第二音频数据；

将所述第二音频数据发送至所述物联网设备，并指示所述物联网设备利用所述第二音频数据对所述第一声纹识别网络进行训练，得到第一声纹模型。

6.根据权利要求1至3任一所述的方法，其特征在于，所述第一声纹模型是通过训练第一声纹识别网络获取的，所述第二声纹模型是通过训练第二声纹识别网络获取的；

所述若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型，包括：

当确定所述物联网设备不包括所述第一声纹模型时，判断所述第一声纹识别网络的结构与所述第二声纹识别网络的结构是否匹配；

若匹配，则确定所述物联网设备兼容所述电子设备生成的第二声纹模型。

7.一种声纹识别装置，其特征在于，应用于电子设备，所述装置包括：

获取模块，用于获取与所述电子设备连接的物联网设备，并确定所述物联网设备是否包括第一声纹模型；

确定模块，用于若确定所述物联网设备不包括所述第一声纹模型，则确定所述物联网设备是否兼容所述电子设备生成的第二声纹模型；

发送模块，用于若所述物联网设备兼容所述第二声纹模型，则将所述第二声纹模型发送至所述物联网设备，所述物联网设备在接收到第二音频数据时利用所述第二声纹模型对所述第二音频数据进行声纹识别；

时间获取模块，用于若所述物联网设备包括所述第一声纹模型，则获取所述第一声纹模型的第一生成时间，以及获取所述第二声纹模型的第二生成时间；

模型更新模块，用于当所述第一生成时间早于所述第二生成时间时，将所述第二声纹模型发送至所述物联网设备，并指示所述物联网设备利用所述第二声纹模型对所述第一声纹模型进行更新。

8.一种电子设备，其特征在于，包括：

一个或多个处理器；

存储器；

一个或多个应用程序，其中所述一个或多个应用程序被存储在所述存储器中并被配置为由所述一个或多个处理器执行，所述一个或多个程序配置用于执行如权利要求1-6任一项所述的方法。

9.一种计算机可读取存储介质，其特征在于，所述计算机可读取存储介质中存储有程序代码，所述程序代码可被处理器调用执行如权利要求1-6任一项所述的方法。