WO2021047319A1 - 基于语音的个人信用评估方法、装置、终端及存储介质 - Google Patents

基于语音的个人信用评估方法、装置、终端及存储介质 Download PDF

Info

Publication number
WO2021047319A1
WO2021047319A1 PCT/CN2020/105632 CN2020105632W WO2021047319A1 WO 2021047319 A1 WO2021047319 A1 WO 2021047319A1 CN 2020105632 W CN2020105632 W CN 2020105632W WO 2021047319 A1 WO2021047319 A1 WO 2021047319A1
Authority
WO
WIPO (PCT)
Prior art keywords
user
voice
gender
age
voiceprint feature
Prior art date
Application number
PCT/CN2020/105632
Other languages
English (en)
French (fr)
Inventor
向纯玉
Original Assignee
深圳壹账通智能科技有限公司
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 深圳壹账通智能科技有限公司 filed Critical 深圳壹账通智能科技有限公司
Publication of WO2021047319A1 publication Critical patent/WO2021047319A1/zh

Links

Images

Classifications

    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/02—Preprocessing operations, e.g. segment selection; Pattern representation or modelling, e.g. based on linear discriminant analysis [LDA] or principal components; Feature selection or extraction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q30/00—Commerce
    • G06Q30/018—Certifying business or products
    • G06Q30/0185—Product, service or business identity fraud
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
    • G06Q40/03—Credit; Loans; Processing thereof
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/04—Training, enrolment or model building
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L17/00—Speaker identification or verification
    • G10L17/18—Artificial neural networks; Connectionist approaches
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/03—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters
    • G10L25/24—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of extracted parameters the extracted parameters being the cepstrum
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
    • G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/45—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the type of analysis window
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
    • G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
    • G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
    • G10L25/63—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination for estimating an emotional state

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Business, Economics & Management (AREA)
  • Computational Linguistics (AREA)
  • Signal Processing (AREA)
  • Accounting & Taxation (AREA)
  • Finance (AREA)
  • Development Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Economics (AREA)
  • Artificial Intelligence (AREA)
  • Marketing (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Child & Adolescent Psychology (AREA)
  • General Health & Medical Sciences (AREA)
  • Hospice & Palliative Care (AREA)
  • Psychiatry (AREA)
  • Technology Law (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

一种基于语音的个人信用评估方法、装置、终端及存储介质，涉及人工智能技术领域，方法包括：获取用户的语音（S11）；提取语音中的声纹特征矢量（S12）；根据声纹特征矢量识别用户的方言（S13）；根据语音识别用户的性别及年龄（S14）；根据用户的方言、性别及年龄生成用户个人信息报告（S15）；比对用户个人信息报告与用户的个人资料后输出用户信用评估结果（S16）。该方法对用户的语音进行多个维度的信息提取与分析，提取的多个维度的信息能够真实且全面的反映用户的性别、年龄及地区，最后与个人资料进行比对时，评估出的个人信用准确率更高，更全面和客观。可应用于智慧政务中，促进智慧城市的建设。还适用于金融科技领域。

Description

基于语音的个人信用评估方法、装置、终端及存储介质
本申请要求于2019年09月11日提交中国专利局、申请号为201910858753.9，发明名称为“基于语音的个人信用评估方法、装置、终端及存储介质”的中国专利申请的优先权，其全部内容通过引用结合在本申请中。
技术领域
本申请涉及信息安全技术领域，具体涉及一种基于语音的个人信用评估方法、装置、终端及存储介质。
背景技术
网络信贷作为一种互联网金融创新，在全球范围有着巨大市场发展潜力和空间。近年来，各类网络贷款平台快速发展，为网络贷款业务普及和推广做出了很大贡献，但由于相关法律、法规不完善，其产生的信用风险已受到社会各界的广泛关注，而对借款者的个人信用评估问题成为广泛关注和研究的重点。
现有技术中，有将语音识别运用到信贷中评估个人信用的方案。然而，发明人意识到这种方案也仅仅是通过当前采集到的语音与历史采集到的语音进行比对从而确定是不是本人，并以此作为个人信用评估的结果。实际生活中，用户的语音很容易被伪造，因而仅靠语音这一单一的判断方式，导致个人信用评估准确率较低。
因此，如何全面、准确的对个人信用进行评估成为有待解决的技术问题。
发明内容
鉴于以上内容，有必要提出一种基于语音的个人信用评估方法、装置、终端及存储介质，用以解决个人信用评估准确率较低的技术问题。
本申请的第一方面提供一种基于语音的个人信用评估方法，所述方法包括：
获取用户的语音；
提取所述语音中的声纹特征矢量；
根据所述声纹特征矢量识别所述用户的方言；
根据所述语音识别所述用户的性别及年龄；
根据所述用户的方言、性别及年龄生成用户个人信息报告；
比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本申请的第二方面提供一种基于语音的个人信用评估装置，所述装置包括：
获取模块，用于获取用户的语音；
提取模块，用于提取所述语音中的声纹特征矢量；
第一识别模块，用于根据所述声纹特征矢量识别所述用户的方言；
第二识别模块，用于根据所述语音识别所述用户的性别及年龄；
生成模块，用于根据所述用户的方言、性别及年龄生成用户个人信息报告；
输出模块，用于比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本申请的第三方面提供一种终端，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机可读指令时实现以下步骤：
获取用户的语音；
提取所述语音中的声纹特征矢量；
根据所述声纹特征矢量识别所述用户的方言；
根据所述语音识别所述用户的性别及年龄；
根据所述用户的方言、性别及年龄生成用户个人信息报告；
比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本申请的第四方面提供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可读指令，所述计算机可读指令被处理器执行时实现以下步骤：
获取用户的语音；
提取所述语音中的声纹特征矢量；
根据所述声纹特征矢量识别所述用户的方言；
根据所述语音识别所述用户的性别及年龄；
根据所述用户的方言、性别及年龄生成用户个人信息报告；
比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本申请所述的基于语音的个人信用评估方法、装置、终端及存储介质，可应用在智慧政务等领域，从而推动智慧城市的发展。本申请提供的基于语音的用户个人信用评估方法，获取用户的语音，提取所述语音中的声纹特征矢量，根据所述声纹特征矢量识别所述用户的方言，根据所述语音识别所述用户的性别及年龄，根据所述用户的方言、性别及年龄生成用户个人信息报告，比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。通过反欺诈平台对用户的语音进行多个维度的信息提取与分析，由于用户的语音具有不可欺骗性，因而提取的多个维度的信息能够真实且全面的反映用户的性别、年龄及地区，最后与个人资料进行比对时，评估出的个人信用准确率更高，更全面和客观。
附图说明
为了更清楚地说明本申请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，下面描述中的附图仅仅是本申请的实施例，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，还可以根据提供的附图获得其他的附图。
图1是本申请实施例一提供的基于语音的个人信用评估方法的流程图。
图2是本申请实施例二提供的基于语音的个人信用评估装置的结构图。
图3是本申请实施例三提供的终端的结构示意图。
如下具体实施方式将结合上述附图进一步说明本申请。
具体实施方式
为了能够更清楚地理解本申请的上述目的、特征和优点，下面结合附图和具体实施例对本申请进行详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。
在下面的描述中阐述了很多具体细节以便于充分理解本申请，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。基于本申请中的实施例，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，都属于本申请保护的范围。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
实施例一
图1是本申请实施例一提供的一种基于语音的个人信用评估方法的流程图。
如图1所示，所述基于语音的个人信用评估方法具体包括以下步骤，根据不同的需求，该流程图中步骤的顺序可以改变，某些可以省略。
S11，获取用户的语音。
用户在提交贷款申请时，需要填写个人资料，例如，姓名、性别、年龄、籍贯以及资产等。由于用户的个人资料有待核实，而人工审核的方式也无法满足贷款申请的时效性和准确性，因而可以在接收到用户的贷款申请后，获取用户的语音，基于语音判断用户的个人资料 是否真实。
在一个可选的实施例中，用户的语音可以通过以下一种或多种组合的方式获取：
1)通过智能人机交互的方式获取用户的语音；
反欺诈平台中可以设置智能人机交互模块，通过智能人机交互模块与用户进行交互，采用一问一答的方式，获取交互语音。再通过语音分离技术，例如，语音分离器，将用户的语音从交互语音中分离出来。
2)通过远程视频的方式获取用户的语音。
反欺诈平台中可以设置远程视频模块，工作人员通过远程视频模块与用户进行远程视频，采用一问一答的方式，获取远程语音。再通过语音分离技术，例如，语音分离器，将用户的语音从远程语音中分离出来。
需要说明的是，无论是通过智能人机交互的方式获取用户的语音，还是通过远程视频的方式获取用户的语音，都是围绕着用户的身份信息和资产信息进行的提问，所提出的问题在一定程度上具有随机性，用户的回答语音无法提前录制或采用机器生成，因而获取的用户的语音具有真实性，为后续基于语音进行的信用评估提供了有力和准确的数据支撑，得到的信用评估结果真实可靠，准确度高。
S12，提取所述语音中的声纹特征矢量。
在一个可选的实施例中，所述提取所述语音中的声纹特征矢量包括：
对所述语音依次进行预加重、分帧以及加窗处理；
对每一个加窗进行傅里叶变换得到频谱；
通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；
对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；
基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
所述倒谱分析包括取对数、做逆变换等方式，逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数，通过对梅尔频谱进行倒谱分析得到梅尔频率倒谱系数(Mel Frequency Cestrum Coefficient，MFCC系数)，该梅尔频率倒谱系数就是这帧语音的声纹特征；最后，将每帧语音的MFCC系数组成声纹特征矢量。
在其他实施例中，还可以通过基于Identity-Vector的声纹识别算法或者基于神经网络的时序类分类(concurrent technologies corporation，CTC)算法提取出所述语音中的声纹特征矢量。关于基于Identity-Vector的声纹识别算法或者基于神经网络的CTC算法均为现有技术，本申请在此不再详细阐述。
在智能人机交互和远程视频的过程中，虽然用户采用了普通话进行了回应，但受到地区方言的影响，不同地区的用户的普通话与标准普通话之间存在不同程度的差异。这种差异不同于口误，而是受到方言影响的有规律可循的偏差。
考虑到现有的方言存在地区交叉，则将预先存储的数据语料库，按照地区进行分类，如东三省一类，京津冀一类，川渝一类，江浙沪一类，陕甘宁一类，分别以音节和音素为最小单位进行拆分，形成音节语料库和音素语料库。将音节、音素语料库与标准普通话之间的差异，如前/后鼻音，平/翘舌音，儿化音等，提取不同地区的同字音调特征，以及同字音素特征，量化生成平面的声纹特征失量，形如音调和音素。
其中，所述音素指的是根据语音的自然属性划分出来的最小语音单位，从声学性质来看，音素是从音质角度划分出来的最小语音单位，从生理性质来看，一个发音动作形成一个音素，如〔ma〕包含〔m〕、〔a〕两个发音动作，是两个音素，相同发音动作发出的音就是同一音素，不同发音动作发出的音就是不同音素，如〔ma-mi〕中，两个〔m〕发音动作相同，是相同音素，〔a〕〔i〕发音动作不同，是不同音素。例如“普通话”，由三个音节“pu、tong、hua”组成，可以分析成“p，u，t，o，ng，h，u，a”八个音素。
S13，根据所述声纹特征矢量识别所述用户的方言。
由于不同地区的声纹特征矢量不同，又因其声纹特征矢量并非线性无关，故用户的声纹 特征可用任意两个地区的声纹特征矢量线性表示，且表示方式不唯一。
Figure PCTCN2020105632-appb-000001
其中，
Figure PCTCN2020105632-appb-000002
表示第一地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000003
表示第二地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000004
表示用户的声纹特征。
采用如下公式计算各个地区的声纹特征矢量到用户的声纹特征的投影与用户的声纹特征的模的比值。
Figure PCTCN2020105632-appb-000005
其中，cosA表示第一地区的声纹特征矢量与用户的声纹特征的余弦夹角。
计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量作为结果输出。例如：京津冀的可能性75％，内蒙古的可能性56％，东三省的可能性53％。该三个声纹特征矢量对应的地区的方言作为所述用户的方言。
S14，根据所述语音识别所述用户的性别及年龄。
不同性别的用户，其音频信息有所不同，不同年龄段的用户，其音频信息也有所不同，可以基于所述音频信息反过来预测出用户的性别和年龄。
在一个可选的实施例中，所述根据所述语音识别所述用户的性别及年龄包括：
通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；
通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
本实施例中，可以预先训练语音-性别识别模型和语音-年龄识别模型，通过将MFCC作为已训练好的语音-性别识别模型的输入，将语音-性别识别模型的输出作为用户的性别，将MFCC作为已训练好的语音-年龄识别模型的输入，将语音-年龄识别模型的输出作为用户的年龄。
在一个可选的实施例中，所述语音-性别识别模型的训练过程如下：
获取不同性别的多个用户的语音；
提取每个语音的梅尔频率倒谱系数；
将所述性别及对应的梅尔频率倒谱系数作为样本数据集；
将所述样本数据集划分为训练集和测试集；
将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；
将所述测试集输入所述语音-性别识别模型中进行测试；
获取测试通过率；
当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
本实施例中，可以获取不同年龄段的男性和女性的语音，然后提取出语音的MFCC，基于不同年龄段不同性别的用户对应的MFCC训练语音-性别识别模型。
所述语音-年龄识别模型的训练过程同所述语音-性别识别模型的训练过程，本申请在此不再详细阐述，具体可参见语音-性别识别模型的训练过程的内容及相关描述。
S15，根据所述用户的方言、性别及年龄生成用户个人信息报告。
通过方言可以对用户居住地、户籍所在地或出生地进行初步定位，并结合性别、年龄，得到用户的个人信息。根据预先定义好的模板，基于用户的方言，性别和年龄生成用户个人信息报告。
预先定义好的模板与用户填写贷款申请时的界面相同，如此便于对用户个人信息报告和用户的个人资料进行比对。
S16，比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本实施例中，将用户个人信息报告中的每一数据与用户填写的贷款申请中的个人资料中 的每一数据进行一一比对。当比对成功时，表明用户填写的贷款申请的个人资料正确，评估用户信用良好。当比对失败时，表明用户填写的贷款申请的个人资料有误，评估用户信用较差。
进一步的，在根据所述语音识别所述用户的性别及年龄之后，所述方法还包括：
将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；
获取所述语音-情绪识别模型的输出结果；
若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；
若输出结果为正面情绪，则增加所述性别及年龄的识别概率；
若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
本实施例中，可以采用IEMOCAP作为语音-情绪识别模型的数据集，IEMOCAP中有十余种情绪，每种情绪还对应有语音，预先将情绪分为三大类：中立、正面(开心、惊喜、兴奋)、负面(伤心、生气、害怕、厌恶)，然后分别提取三类情绪中的语音的声纹特征频率倒谱系数MFCC，并基于MFCC训练出语音-情绪识别模型。
情绪可以反映出用户的细微心里活动，通过情绪可以在一定程度上反映出用户的语音的真实性。因此，当用户的情绪为正面情绪时，可以认为用户是积极真实的，语音-性别识别模型识别出性别的可信度及语音-年龄识别模型识别出年龄的可信度较高，则提高用户的性别和年龄的概率；当用户的情绪为负面情绪时，可以认为用户是消极伪造的，语音-性别识别模型识别出性别的可信度及语音-年龄识别模型识别出年龄的可信度不高，则降低用户的性别和年龄的概率。通过情绪的识别，来进一步辅佐证明性别和年龄的识别可靠度。
综上所述，本申请提供的基于语音的用户个人信用评估方法，可应用在智慧政务等领域，从而推动智慧城市的发展。本申请获取用户的语音，提取所述语音中的声纹特征矢量，根据所述声纹特征矢量识别所述用户的方言，根据所述语音识别所述用户的性别及年龄，根据所述用户的方言、性别及年龄生成用户个人信息报告，比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。通过反欺诈平台对用户的语音进行多个维度的信息提取与分析，由于用户的语音具有不可欺骗性，因而提取的多个维度的信息能够真实且全面的反映用户的性别、年龄及地区，最后与个人资料进行比对时，评估出的个人信用准确率更高，更全面和客观。
实施例二
图2是本申请实施例二提供的基于语音的个人信用评估装置的结构图。
在一些实施例中，所述基于语音的个人信用评估装置20可以包括多个由计算机可读指令所组成的功能模块。所述基于语音的个人信用评估装置20中的各个程序段的计算机可读指令可以存储于终端的存储器中，并由至少一个处理器所执行，以执行(详见图1描述)基于语音的个人信用评估的功能。
本实施例中，所述基于语音的个人信用评估装置20，运行于终端中，根据其所执行的功能，可以被划分为多个功能模块。所述功能模块可以包括：获取模块201、提取模块202、第一识别模块203、第二识别模块204、生成模块205及输出模块206。本申请所称的模块是指一种能够被至少一个处理器所执行并且能够完成固定功能的一系列计算机可读指令，其存储在存储器中。在本实施例中，关于各模块的功能将在后续的实施例中详述。
获取模块201，用于获取用户的语音。
用户在提交贷款申请时，需要填写个人资料，例如，姓名、性别、年龄、籍贯以及资产等。由于用户的个人资料有待核实，而人工审核的方式也无法满足贷款申请的时效性和准确性，因而可以在接收到用户的贷款申请后，获取用户的语音，基于语音判断用户的个人资料是否真实。
在一个可选的实施例中，用户的语音可以通过以下一种或多种组合的方式获取：
1)通过智能人机交互的方式获取用户的语音；
反欺诈平台中可以设置智能人机交互模块，通过智能人机交互模块与用户进行交互，采用一问一答的方式，获取交互语音。再通过语音分离技术，例如，语音分离器，将用户的语音从交互语音中分离出来。
2)通过远程视频的方式获取用户的语音。
反欺诈平台中可以设置远程视频模块，工作人员通过远程视频模块与用户进行远程视频，采用一问一答的方式，获取远程语音。再通过语音分离技术，例如，语音分离器，将用户的语音从远程语音中分离出来。
需要说明的是，无论是通过智能人机交互的方式获取用户的语音，还是通过远程视频的方式获取用户的语音，都是围绕着用户的身份信息和资产信息进行的提问，所提出的问题在一定程度上具有随机性，用户的回答语音无法提前录制或采用机器生成，因而获取的用户的语音具有真实性，为后续基于语音进行的信用评估提供了有力和准确的数据支撑，得到的信用评估结果真实可靠，准确度高。
提取模块202，用于提取所述语音中的声纹特征矢量。
在一个可选的实施例中，所述提取模块202提取所述语音中的声纹特征矢量包括：
对所述语音依次进行预加重、分帧以及加窗处理；
对每一个加窗进行傅里叶变换得到频谱；
通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；
对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；
基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
所述倒谱分析包括取对数、做逆变换等方式，逆变换一般是通过DCT离散余弦变换来实现，取DCT后的第2个到第13个系数，通过梅尔频谱进行倒谱分析得到梅尔频率倒谱系数(Mel Frequency Cestrum Coefficient，MFCC系数)，该梅尔频率倒谱系数就是这帧语音的声纹特征；最后，将每帧语音的MFCC系数组成声纹特征矢量。
在其他实施例中，还可以通过基于Identity-Vector的声纹识别算法或者基于神经网络的时序类分类(concurrent technologies corporation，CTC)算法提取出所述语音中的声纹特征矢量。关于基于Identity-Vector的声纹识别算法或者基于神经网络的CTC算法均为现有技术，本申请在此不再详细阐述。
在智能人机交互和远程视频的过程中，虽然用户采用了普通话进行了回应，但受到地区方言的影响，不同地区的用户的普通话与标准普通话之间存在不同程度的差异。这种差异不同于口误，而是受到方言影响的有规律可循的偏差。
考虑到现有的方言存在地区交叉，则将预先存储的数据语料库，按照地区进行分类，如东三省一类，京津冀一类，川渝一类，江浙沪一类，陕甘宁一类，分别以音节和音素为最小单位进行拆分，形成音节语料库和音素语料库。将音节、音素语料库与标准普通话之间的差异，如前/后鼻音，平/翘舌音，儿化音等，提取不同地区的同字音调特征，以及同字音素特征，量化生成平面的声纹特征失量，形如音调和音素。
其中，所述音素指的是根据语音的自然属性划分出来的最小语音单位，从声学性质来看，音素是从音质角度划分出来的最小语音单位，从生理性质来看，一个发音动作形成一个音素，如〔ma〕包含〔m〕、〔a〕两个发音动作，是两个音素，相同发音动作发出的音就是同一音素，不同发音动作发出的音就是不同音素，如〔ma-mi〕中，两个〔m〕发音动作相同，是相同音素，〔a〕〔i〕发音动作不同，是不同音素。例如“普通话”，由三个音节“pu、tong、hua”组成，可以分析成“p，u，t，o，ng，h，u，a”八个音素。
第一识别模块203，用于根据所述声纹特征矢量识别所述用户的方言。
由于不同地区的声纹特征矢量不同，又因其声纹特征矢量并非线性无关，故用户的声纹特征可用任意两个地区的声纹特征矢量线性表示，且表示方式不唯一。
Figure PCTCN2020105632-appb-000006
其中，
Figure PCTCN2020105632-appb-000007
表示第一地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000008
表示第二地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000009
表示用户的声纹特征。
采用如下公式计算各个地区的声纹特征矢量到用户的声纹特征的投影与用户的声纹特征的模的比值。
Figure PCTCN2020105632-appb-000010
其中，cosA表示第一地区的声纹特征矢量与用户的声纹特征的余弦夹角。
计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量作为结果输出。例如：京津冀的可能性75％，内蒙古的可能性56％，东三省的可能性53％。该三个声纹特征矢量对应的地区的方言作为所述用户的方言。
第二识别模块204，用于根据所述语音识别所述用户的性别及年龄。
不同性别的用户，其音频信息有所不同，不同年龄段的用户，其音频信息也有所不同，可以基于所述音频信息反过来预测出用户的性别和年龄。
在一个可选的实施例中，所述第二识别模块204根据所述语音识别所述用户的性别及年龄包括：
通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；
通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
本实施例中，可以预先训练语音-性别识别模型和语音-年龄识别模型，通过将MFCC作为已训练好的语音-性别识别模型的输入，将语音-性别识别模型的输出作为用户的性别，将MFCC作为已训练好的语音-年龄识别模型的输入，将语音-年龄识别模型的输出作为用户的年龄。
在一个可选的实施例中，所述语音-性别识别模型的训练过程如下：
获取不同性别的多个用户的语音；
提取每个语音的梅尔频率倒谱系数；
将所述性别及对应的梅尔频率倒谱系数作为样本数据集；
将所述样本数据集划分为训练集和测试集；
将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；
将所述测试集输入所述语音-性别识别模型中进行测试；
获取测试通过率；
当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
本实施例中，可以获取不同年龄段的男性和女性的语音，然后提取出语音的MFCC，基于不同年龄段不同性别的用户对应的MFCC训练语音-性别识别模型。
所述语音-年龄识别模型的训练过程同所述语音-性别识别模型的训练过程，本申请在此不再详细阐述，具体可参见语音-性别识别模型的训练过程的内容及相关描述。
生成模块205，用于根据所述用户的方言、性别及年龄生成用户个人信息报告。
通过方言可以对用户居住地、户籍所在地或出生地进行初步定位，并结合性别、年龄，得到用户的个人信息。根据预先定义好的模板，基于用户的方言，性别和年龄生成用户个人信息报告。
预先定义好的模板与用户填写贷款申请时的界面相同，如此便于对用户个人信息报告和用户的个人资料进行比对。
输出模块206，用于比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
本实施例中，将用户个人信息报告中的每一数据与用户填写的贷款申请中的个人资料中的每一数据进行一一比对。当比对成功时，表明用户填写的贷款申请的个人资料正确，评估 用户信用良好。当比对失败时，表明用户填写的贷款申请的个人资料有误，评估用户信用较差。
进一步的，在根据所述语音识别所述用户的性别及年龄之后，所述基于语音的个人信用评估装置20还包括：第三识别模块，用于将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；获取所述语音-情绪识别模型的输出结果；若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；若输出结果为正面情绪，则增加所述性别及年龄的识别概率；若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
本实施例中，可以采用IEMOCAP作为语音-情绪识别模型的数据集，IEMOCAP中有十余种情绪，每种情绪还对应有语音，预先将情绪分为三大类：中立、正面(开心、惊喜、兴奋)、负面(伤心、生气、害怕、厌恶)，然后分别提取三类情绪中的语音的声纹特征频率倒谱系数MFCC，并基于MFCC训练出语音-情绪识别模型。
情绪可以反映出用户的细微心里活动，通过情绪可以在一定程度上反映出用户的语音的真实性。因此，当用户的情绪为正面情绪时，可以认为用户是积极真实的，语音-性别识别模型识别出性别的可信度及语音-年龄识别模型识别出年龄的可信度较高，则提高用户的性别和年龄的概率；当用户的情绪为负面情绪时，可以认为用户是消极伪造的，语音-性别识别模型识别出性别的可信度及语音-年龄识别模型识别出年龄的可信度不高，则降低用户的性别和年龄的概率。通过情绪的识别，来进一步辅佐证明性别和年龄的识别可靠度。
综上所述，本申请实施例提供的基于语音的用户个人信用评估装置，可应用在智慧政务等领域，从而推动智慧城市的发展。本申请获取用户的语音，提取所述语音中的声纹特征矢量，根据所述声纹特征矢量识别所述用户的方言，根据所述语音识别所述用户的性别及年龄，根据所述用户的方言、性别及年龄生成用户个人信息报告，比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。通过反欺诈平台对用户的语音进行多个维度的信息提取与分析，由于用户的语音具有不可欺骗性，因而提取的多个维度的信息能够真实且全面的反映用户的性别、年龄及地区，最后与个人资料进行比对时，评估出的个人信用准确率更高，更全面和客观。
实施例三
参阅图3所示，为本申请实施例三提供的终端的结构示意图。在本申请较佳实施例中，所述终端3包括存储器31、至少一个处理器32、至少一条通信总线33及收发器34。
本领域技术人员应该了解，图3示出的终端的结构并不构成本申请实施例的限定，既可以是总线型结构，也可以是星形结构，所述终端3还可以包括比图示更多或更少的其他硬件或者软件，或者不同的部件布置。
在一些实施例中，所述终端3包括一种能够按照事先设定或存储的指令，自动进行数值计算和/或信息处理的终端，其硬件包括但不限于微处理器、专用集成电路、可编程门阵列、数字处理器及嵌入式设备等。所述终端3还可包括客户设备，所述客户设备包括但不限于任何一种可与客户通过键盘、鼠标、遥控器、触摸板或声控设备等方式进行人机交互的电子产品，例如，个人计算机、平板电脑、智能手机、数码相机等。
需要说明的是，所述终端3仅为举例，其他现有的或今后可能出现的电子产品如可适应于本申请，也应包含在本申请的保护范围以内，并以引用方式包含于此。
在一些实施例中，所述存储器31用于存储计算机可读指令和各种数据，例如安装在所述终端3中的基于语音的个人信用评估装置20，并在终端3的运行过程中实现高速、自动地完成程序或数据的存取。所述存储器31包括易失性和非易失性存储器，例如随机存取存储器(Random Access Memory，RAM)、只读存储器(Read-Only Memory，ROM)、可编程只读存储器(Programmable Read-Only Memory，PROM)、可擦除可编程只读存储器(Erasable Programmable Read-Only Memory，EPROM)、一次可编程只读存储器(One-time Programmable Read-Only Memory，OTPROM)、电子擦除式可复写只读存储器(Electrically-Erasable  Programmable Read-Only Memory，EEPROM)、只读光盘(Compact Disc Read-Only Memory，CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者其他能够用于携带或存储数据的计算机可读的存储介质。所述计算机可读存储介质可以是非易失性，也可以是易失性的。
所述计算机可读存储介质上存储有计算机可读指令，其中，所述计算机可读指令被所述处理器执行时实现以下步骤：获取用户的语音；提取所述语音中的声纹特征矢量；根据所述声纹特征矢量识别所述用户的方言；根据所述语音识别所述用户的性别及年龄；根据所述用户的方言、性别及年龄生成用户个人信息报告；比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
其中，所述计算机可读指令被所述处理器执行以实现提取所述语音中的声纹特征矢量时，具体包括：对所述语音依次进行预加重、分帧以及加窗处理；对每一个加窗进行傅里叶变换得到频谱；通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
其中，所述计算机可读指令被所述处理器执行以实现根据所述语音识别所述用户的性别及年龄时，具体包括：通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
其中，所述语音-性别识别模型的训练过程如下：获取不同性别的多个用户的语音；提取每个语音的梅尔频率倒谱系数；将所述性别及对应的梅尔频率倒谱系数作为样本数据集；将所述样本数据集划分为训练集和测试集；将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；将所述测试集输入所述语音-性别识别模型中进行测试；获取测试通过率；当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
其中，在根据所述语音识别所述用户的性别和年龄之后，所述计算机可读指令被所述处理器执行还用以实现以下步骤：将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；获取所述语音-情绪识别模型的输出结果；若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；若输出结果为正面情绪，则增加所述性别及年龄的识别概率；若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
其中，所述计算机可读指令被所述处理器执行以实现根据所述声纹特征矢量识别所述用户的方言时，具体包括：用任意两个地区的声纹特征矢量线性表示所述用户的声纹特征如下：
Figure PCTCN2020105632-appb-000011
其中，
Figure PCTCN2020105632-appb-000012
表示第一地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000013
表示第二地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000014
表示用户的声纹特征；采用如下公式计算各个地区的声纹特征矢量到所述用户的声纹特征的投影与所述用户的声纹特征的模的比值；
Figure PCTCN2020105632-appb-000015
Figure PCTCN2020105632-appb-000016
其中，cosA表示所述第一地区的声纹特征矢量与所述用户的声纹特征的余弦夹角；计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量对应的地区的方言作为所述用户的方言。
其中，所述用户的语音可以通过以下一种或多种组合的方式获取：通过智能人机交互的方式获取；通过远程视频的方式获取。
在一些实施例中，所述至少一个处理器32可以由集成电路组成，例如可以由单个封装的集成电路所组成，也可以是由多个相同功能或不同功能封装的集成电路所组成，包括一个或者多个中央处理器(Central Processing unit，CPU)、微处理器、数字处理芯片、图形处理器及各种控制芯片的组合等。所述至少一个处理器32是所述终端3的控制核心(Control Unit)，利用各种接口和线路连接整个终端3的各个部件，通过运行或执行存储在所述存储器31内的程序或者模块，以及调用存储在所述存储器31内的数据，以执行终端3的各种功能和处理数据，例如执行基于语音的个人信用评估的功能。
在一些实施例中，所述至少一条通信总线33被设置为实现所述存储器31以及所述至少 一个处理器32等之间的连接通信。
尽管未示出，所述终端3还可以包括给各个部件供电的电源(比如电池)，电源可以通过电源管理装置与所述至少一个处理器32逻辑相连，从而通过电源管理装置实现管理充电、放电、以及功耗管理等功能。电源还可以包括一个或一个以上的直流或交流电源、再充电装置、电源故障检测电路、电源转换器或者逆变器、电源状态指示器等任意组件。所述终端3还可以包括多种传感器、蓝牙模块、Wi-Fi模块等，在此不再赘述。
应该了解，所述实施例仅为说明之用，在专利申请范围上并不受此结构的限制。
上述以软件功能模块的形式实现的集成的单元，可以存储在一个计算机可读取存储介质中。上述软件功能模块存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，终端，或者网络设备等)或处理器(processor)执行本申请各个实施例所述方法的部分。
在进一步的实施例中，结合图3，所述至少一个处理器32可执行所述终端3的操作装置以及安装的各类应用程序(如所述的基于语音的个人信用评估装置20)、计算机可读指令等，例如，上述的各个模块。
所述存储器31中存储有计算机可读指令，且所述至少一个处理器32可调用所述存储器31中存储的计算机可读指令以执行相关的功能。例如，图2中所述的各个模块是存储在所述存储器31中的计算机可读指令，并由所述至少一个处理器32所执行，从而实现所述各个模块的功能以达到基于语音的个人信用评估的目的。
在本申请的一个实施例中，所述存储器31存储多个指令，所述至少一个处理器32执行所述多个指令以实现基于语音的个人信用评估的功能。
所述至少一个处理器32用于执行所述存储器31中存储的计算机可读指令以实现以下步骤：获取用户的语音；提取所述语音中的声纹特征矢量；根据所述声纹特征矢量识别所述用户的方言；根据所述语音识别所述用户的性别及年龄；根据所述用户的方言、性别及年龄生成用户个人信息报告；比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
其中，所述至少一个处理器32执行所述计算机可读指令以实现提取所述语音中的声纹特征矢量时，具体包括：对所述语音依次进行预加重、分帧以及加窗处理；对每一个加窗进行傅里叶变换得到频谱；通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
其中，所述处理器执行所述计算机可读指令以实现根据所述语音识别所述用户的性别及年龄时，具体包括：通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
其中，所述语音-性别识别模型的训练过程如下：获取不同性别的多个用户的语音；提取每个语音的梅尔频率倒谱系数；将所述性别及对应的梅尔频率倒谱系数作为样本数据集；将所述样本数据集划分为训练集和测试集；将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；将所述测试集输入所述语音-性别识别模型中进行测试；获取测试通过率；当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
其中，在根据所述语音识别所述用户的性别和年龄之后，所述处理器执行所述计算机可读指令还用以实现以下步骤：将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；获取所述语音-情绪识别模型的输出结果；若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；若输出结果为正面情绪，则增加所述性别及年龄的识别概率；若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
其中，所述处理器执行所述计算机可读指令以实现根据所述声纹特征矢量识别所述用户 的方言时，具体包括：用任意两个地区的声纹特征矢量线性表示所述用户的声纹特征如下：
Figure PCTCN2020105632-appb-000017
其中，
Figure PCTCN2020105632-appb-000018
表示第一地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000019
表示第二地区的声纹特征矢量，
Figure PCTCN2020105632-appb-000020
表示用户的声纹特征；采用如下公式计算各个地区的声纹特征矢量到所述用户的声纹特征的投影与所述用户的声纹特征的模的比值；
Figure PCTCN2020105632-appb-000021
Figure PCTCN2020105632-appb-000022
其中，cosA表示所述第一地区的声纹特征矢量与所述用户的声纹特征的余弦夹角；计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量对应的地区的方言作为所述用户的方言。
其中，所述用户的语音可以通过以下一种或多种组合的方式获取：通过智能人机交互的方式获取；通过远程视频的方式获取。
在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。
所述作为分离部件说明的模块可以是或者也可以不是物理上分开的，作为模块显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。
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单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用硬件加软件功能模块的形式实现。
对于本领域技术人员而言，显然本申请不限于上述示范性实施例的细节，而且在不背离本申请的精神或基本特征的情况下，能够以其他的具体形式实现本申请。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本申请的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本申请内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。此外，显然“包括”一词不排除其他单元或，单数不排除复数。装置权利要求中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一，第二等词语用来表示名称，而并不表示任何特定的顺序。
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限制，尽管参照较佳实施例对本申请进行了详细说明，本领域的普通技术人员应当理解，可以对本申请的技术方案进行修改或等同替换，而不脱离本申请技术方案的精神和范围。

Claims (20)

  1. 一种基于语音的个人信用评估方法，其中，所述方法包括：
    获取用户的语音；
    提取所述语音中的声纹特征矢量；
    根据所述声纹特征矢量识别所述用户的方言；
    根据所述语音识别所述用户的性别及年龄；
    根据所述用户的方言、性别及年龄生成用户个人信息报告；
    比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
  2. 如权利要求1所述的基于语音的个人信用评估方法，其中，所述提取所述语音中的声纹特征矢量包括：
    对所述语音依次进行预加重、分帧以及加窗处理；
    对每一个加窗进行傅里叶变换得到频谱；
    通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；
    对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；
    基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
  3. 如权利要求2所述的基于语音的个人信用评估方法，其中，所述根据所述语音识别所述用户的性别及年龄包括：
    通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；
    通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
  4. 如权利要求3所述的基于语音的个人信用评估方法，其中，所述语音-性别识别模型的训练过程如下：
    获取不同性别的多个用户的语音；
    提取每个语音的梅尔频率倒谱系数；
    将所述性别及对应的梅尔频率倒谱系数作为样本数据集；
    将所述样本数据集划分为训练集和测试集；
    将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；
    将所述测试集输入所述语音-性别识别模型中进行测试；
    获取测试通过率；
    当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
  5. 如权利要求2所述的基于语音的个人信用评估方法，其中，在根据所述语音识别所述用户的性别和年龄之后，所述方法还包括：
    将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；
    获取所述语音-情绪识别模型的输出结果；
    若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；
    若输出结果为正面情绪，则增加所述性别及年龄的识别概率；
    若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
  6. 如权利要求1所述的基于语音的个人信用评估方法，其中，所述根据所述声纹特征矢量识别所述用户的方言包括：
    用任意两个地区的声纹特征矢量线性表示所述用户的声纹特征如下：
    Figure PCTCN2020105632-appb-100001
    其中，
    Figure PCTCN2020105632-appb-100002
    表示第一地区的声纹特征矢量，
    Figure PCTCN2020105632-appb-100003
    表示第二地区的声纹特征矢量，
    Figure PCTCN2020105632-appb-100004
    表示用户的声纹特征；
    采用如下公式计算各个地区的声纹特征矢量到所述用户的声纹特征的投影与所述用户的声纹特征的模的比值；
    Figure PCTCN2020105632-appb-100005
    其中，cosA表示所述第一地区的声纹特征矢量与所述用户的声纹特征的余弦夹角；
    计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量对应的地区的方言作为所述用户的方言。
  7. 如权利要求1至6中任意一项所述的基于语音的个人信用评估方法，其中，所述用户的语音可以通过以下一种或多种组合的方式获取：
    通过智能人机交互的方式获取；
    通过远程视频的方式获取。
  8. 一种基于语音的个人信用评估装置，其中，所述装置包括：
    获取模块，用于获取用户的语音；
    提取模块，用于提取所述语音中的声纹特征矢量；
    第一识别模块，用于根据所述声纹特征矢量识别所述用户的方言；
    第二识别模块，用于根据所述语音识别所述用户的性别及年龄；
    生成模块，用于根据所述用户的方言、性别及年龄生成用户个人信息报告；
    输出模块，用于比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
  9. 一种终端，其中，所述终端包括处理器，所述处理器用于执行存储器中存储的计算机可读指令以实现以下步骤：
    获取用户的语音；
    提取所述语音中的声纹特征矢量；
    根据所述声纹特征矢量识别所述用户的方言；
    根据所述语音识别所述用户的性别及年龄；
    根据所述用户的方言、性别及年龄生成用户个人信息报告；
    比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
  10. 如权利要求9所述的终端，其中，所述处理器执行所述计算机可读指令以实现提取所述语音中的声纹特征矢量时，具体包括：
    对所述语音依次进行预加重、分帧以及加窗处理；
    对每一个加窗进行傅里叶变换得到频谱；
    通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；
    对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；
    基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
  11. 如权利要求10所述的终端，其中，所述处理器执行所述计算机可读指令以实现根据所述语音识别所述用户的性别及年龄时，具体包括：
    通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；
    通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
  12. 如权利要求11所述的终端，其中，所述语音-性别识别模型的训练过程如下：
    获取不同性别的多个用户的语音；
    提取每个语音的梅尔频率倒谱系数；
    将所述性别及对应的梅尔频率倒谱系数作为样本数据集；
    将所述样本数据集划分为训练集和测试集；
    将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；
    将所述测试集输入所述语音-性别识别模型中进行测试；
    获取测试通过率；
    当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
  13. 如权利要求10所述的终端，其中，在根据所述语音识别所述用户的性别和年龄之后，所述处理器执行所述计算机可读指令还用以实现以下步骤：
    将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；
    获取所述语音-情绪识别模型的输出结果；
    若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；
    若输出结果为正面情绪，则增加所述性别及年龄的识别概率；
    若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
  14. 如权利要求9所述的终端，其中，所述处理器执行所述计算机可读指令以实现根据所述声纹特征矢量识别所述用户的方言时，具体包括：
    用任意两个地区的声纹特征矢量线性表示所述用户的声纹特征如下：
    Figure PCTCN2020105632-appb-100006
    其中，
    Figure PCTCN2020105632-appb-100007
    表示第一地区的声纹特征矢量，
    Figure PCTCN2020105632-appb-100008
    表示第二地区的声纹特征矢量，
    Figure PCTCN2020105632-appb-100009
    表示用户的声纹特征；
    采用如下公式计算各个地区的声纹特征矢量到所述用户的声纹特征的投影与所述用户的声纹特征的模的比值；
    Figure PCTCN2020105632-appb-100010
    其中，cosA表示所述第一地区的声纹特征矢量与所述用户的声纹特征的余弦夹角；
    计算语料库中的全部声纹特征矢量的比值，并按照从大到小的顺序进行排序，筛选出比值最高的三个声纹特征矢量对应的地区的方言作为所述用户的方言。
  15. 如权利要求9至14中任意一项所述的终端，其中，所述用户的语音可以通过以下一种或多种组合的方式获取：
    通过智能人机交互的方式获取；
    通过远程视频的方式获取。
  16. 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可读指令，其中，所述计算机可读指令被处理器执行时实现以下步骤：
    获取用户的语音；
    提取所述语音中的声纹特征矢量；
    根据所述声纹特征矢量识别所述用户的方言；
    根据所述语音识别所述用户的性别及年龄；
    根据所述用户的方言、性别及年龄生成用户个人信息报告；
    比对所述用户个人信息报告与用户的个人资料后输出用户信用评估结果。
  17. 如权利要求16所述的计算机可读存储介质，其中，所述计算机可读指令被所述处理器执行以实现提取所述语音中的声纹特征矢量时，具体包括：
    对所述语音依次进行预加重、分帧以及加窗处理；
    对每一个加窗进行傅里叶变换得到频谱；
    通过梅尔滤波器对所述频谱进行滤波，得到梅尔频谱；
    对所述梅尔频谱进行倒谱分析，得到梅尔频率倒谱系数；
    基于所述梅尔频率倒谱系数构建所述声纹特征矢量。
  18. 如权利要求17所述的计算机可读存储介质，其中，所述计算机可读指令被所述处理器执行以实现根据所述语音识别所述用户的性别及年龄时，具体包括：
    通过已训练好的语音-性别识别模型识别所述梅尔频谱系数得到用户的性别；
    通过已训练好的语音-年龄识别模型识别所述梅尔频谱系数得到用户的年龄。
  19. 如权利要求18所述的计算机可读存储介质，其中，所述语音-性别识别模型的训练过程如下：
    获取不同性别的多个用户的语音；
    提取每个语音的梅尔频率倒谱系数；
    将所述性别及对应的梅尔频率倒谱系数作为样本数据集；
    将所述样本数据集划分为训练集和测试集；
    将所述训练集输入预设神经网络中进行训练，得到语音-性别识别模型；
    将所述测试集输入所述语音-性别识别模型中进行测试；
    获取测试通过率；
    当所述测试通过率大于或者等于预设通过率阈值，结束所述语音-性别识别模型的训练；当所述测试通过率小于预设通过率阈值，则增加训练集的数量，重新进行语音-性别识别模型的训练。
  20. 如权利要求17所述的计算机可读存储介质，其中，在根据所述语音识别所述用户的性别和年龄之后，所述计算机可读指令被所述处理器执行还用以实现以下步骤：
    将所述梅尔频率倒谱系数输入已训练好的语音-情绪识别模型中；
    获取所述语音-情绪识别模型的输出结果；
    若输出结果为中立情绪，则保持所述性别及年龄的识别概率不变；
    若输出结果为正面情绪，则增加所述性别及年龄的识别概率；
    若输出结果为负面情绪，则降低所述性别及年龄的识别概率。
PCT/CN2020/105632 2019-09-11 2020-07-29 基于语音的个人信用评估方法、装置、终端及存储介质 WO2021047319A1 (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
CN201910858753.9 2019-09-11
CN201910858753.9A CN110738998A (zh) 2019-09-11 2019-09-11 基于语音的个人信用评估方法、装置、终端及存储介质

Publications (1)

Publication Number Publication Date
WO2021047319A1 true WO2021047319A1 (zh) 2021-03-18

Family

ID=69267594

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/CN2020/105632 WO2021047319A1 (zh) 2019-09-11 2020-07-29 基于语音的个人信用评估方法、装置、终端及存储介质

Country Status (2)

Country Link
CN (1) CN110738998A (zh)
WO (1) WO2021047319A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177082A (zh) * 2021-04-07 2021-07-27 安徽科讯金服科技有限公司 一种数据采集及管理系统

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110738998A (zh) * 2019-09-11 2020-01-31 深圳壹账通智能科技有限公司 基于语音的个人信用评估方法、装置、终端及存储介质
CN111552832A (zh) * 2020-04-01 2020-08-18 深圳壹账通智能科技有限公司 基于声纹特征与关联图谱数据的风险用户识别方法、装置
CN111583935A (zh) * 2020-04-02 2020-08-25 深圳壹账通智能科技有限公司 贷款智能进件方法、装置及存储介质
US11241173B2 (en) 2020-07-09 2022-02-08 Mediatek Inc. Physiological monitoring systems and methods of estimating vital-sign data
CN112002346A (zh) * 2020-08-20 2020-11-27 深圳市卡牛科技有限公司 基于语音的性别年龄识别方法、装置、设备和存储介质
CN112820297A (zh) * 2020-12-30 2021-05-18 平安普惠企业管理有限公司 声纹识别方法、装置、计算机设备及存储介质
CN112884326A (zh) * 2021-02-23 2021-06-01 无锡爱视智能科技有限责任公司 一种多模态分析的视频面试评估方法、装置和存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572756A (zh) * 2008-04-29 2009-11-04 台达电子工业股份有限公司 对话系统与语音对话处理方法
CN103310788A (zh) * 2013-05-23 2013-09-18 北京云知声信息技术有限公司 一种语音信息识别方法及系统
CN107680602A (zh) * 2017-08-24 2018-02-09 平安科技（深圳）有限公司 语音欺诈识别方法、装置、终端设备及存储介质
CN107705807A (zh) * 2017-08-24 2018-02-16 平安科技（深圳）有限公司 基于情绪识别的语音质检方法、装置、设备及存储介质
US20190147857A1 (en) * 2013-12-18 2019-05-16 Oxford University Innovation Limited Method and apparatus for automatic speech recognition
CN109961794A (zh) * 2019-01-14 2019-07-02 湘潭大学 一种基于模型聚类的分层说话人识别方法
CN110738998A (zh) * 2019-09-11 2020-01-31 深圳壹账通智能科技有限公司 基于语音的个人信用评估方法、装置、终端及存储介质

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009145755A (ja) * 2007-12-17 2009-07-02 Toyota Motor Corp 音声認識装置
CN101673544B (zh) * 2009-10-10 2012-07-04 上海电虹软件有限公司 一种基于声纹识别和定位跟踪的交叉监控方法和系统
CN102231277A (zh) * 2011-06-29 2011-11-02 电子科技大学 基于声纹识别的移动终端隐私保护方法
CN103106717A (zh) * 2013-01-25 2013-05-15 上海第二工业大学 基于声纹识别的智能仓库声控门卫系统及其身份认证方法
CN104104664A (zh) * 2013-04-11 2014-10-15 腾讯科技（深圳）有限公司 对验证码进行验证的方法、服务器、客户端和系统
CN103258535A (zh) * 2013-05-30 2013-08-21 中国人民财产保险股份有限公司 基于声纹识别的身份识别方法及系统
US20150142446A1 (en) * 2013-11-21 2015-05-21 Global Analytics, Inc. Credit Risk Decision Management System And Method Using Voice Analytics
CN104851423B (zh) * 2014-02-19 2021-04-13 联想(北京)有限公司 一种声音信息处理方法及装置
CN106373575B (zh) * 2015-07-23 2020-07-21 阿里巴巴集团控股有限公司 一种用户声纹模型构建方法、装置及系统
CN106098068B (zh) * 2016-06-12 2019-07-16 腾讯科技（深圳）有限公司 一种声纹识别方法和装置
CN106205624B (zh) * 2016-07-15 2019-10-15 河海大学 一种基于dbscan算法的声纹识别方法
CN107068154A (zh) * 2017-03-13 2017-08-18 平安科技（深圳）有限公司 基于声纹识别的身份验证的方法及系统
CN107358958B (zh) * 2017-08-30 2018-09-18 长沙世邦通信技术有限公司 对讲方法、装置及系统
CN107864121A (zh) * 2017-09-30 2018-03-30 上海壹账通金融科技有限公司 用户身份验证方法及应用服务器
CN107977776B (zh) * 2017-11-14 2021-05-11 重庆小雨点小额贷款有限公司 信息处理方法、装置、服务器及计算机可读存储介质
CN108900725B (zh) * 2018-05-29 2020-05-29 平安科技（深圳）有限公司 一种声纹识别方法、装置、终端设备及存储介质
CN108848507A (zh) * 2018-05-31 2018-11-20 厦门快商通信息技术有限公司 一种不良电信用户信息采集方法
CN109816508A (zh) * 2018-12-14 2019-05-28 深圳壹账通智能科技有限公司 基于大数据的用户身份认证方法、装置、计算机设备
CN110110513A (zh) * 2019-04-24 2019-08-09 上海迥灵信息技术有限公司 基于人脸和声纹的身份认证方法、装置和存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101572756A (zh) * 2008-04-29 2009-11-04 台达电子工业股份有限公司 对话系统与语音对话处理方法
CN103310788A (zh) * 2013-05-23 2013-09-18 北京云知声信息技术有限公司 一种语音信息识别方法及系统
US20190147857A1 (en) * 2013-12-18 2019-05-16 Oxford University Innovation Limited Method and apparatus for automatic speech recognition
CN107680602A (zh) * 2017-08-24 2018-02-09 平安科技（深圳）有限公司 语音欺诈识别方法、装置、终端设备及存储介质
CN107705807A (zh) * 2017-08-24 2018-02-16 平安科技（深圳）有限公司 基于情绪识别的语音质检方法、装置、设备及存储介质
CN109961794A (zh) * 2019-01-14 2019-07-02 湘潭大学 一种基于模型聚类的分层说话人识别方法
CN110738998A (zh) * 2019-09-11 2020-01-31 深圳壹账通智能科技有限公司 基于语音的个人信用评估方法、装置、终端及存储介质

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113177082A (zh) * 2021-04-07 2021-07-27 安徽科讯金服科技有限公司 一种数据采集及管理系统

Also Published As

Publication number Publication date
CN110738998A (zh) 2020-01-31

Similar Documents

Publication Publication Date Title
WO2021047319A1 (zh) 基于语音的个人信用评估方法、装置、终端及存储介质
Kabir et al. A survey of speaker recognition: Fundamental theories, recognition methods and opportunities
Tirumala et al. Speaker identification features extraction methods: A systematic review
CN110457432B (zh) 面试评分方法、装置、设备及存储介质
Thiolliere et al. A hybrid dynamic time warping-deep neural network architecture for unsupervised acoustic modeling.
TWI527023B (zh) A voiceprint recognition method and apparatus
US20180197548A1 (en) System and method for diarization of speech, automated generation of transcripts, and automatic information extraction
US9336781B2 (en) Content-aware speaker recognition
US20190266998A1 (en) Speech recognition method and device, computer device and storage medium
CN104217149B (zh) 基于语音的生物认证方法及设备
Kaur et al. Automatic speech recognition system for tonal languages: State-of-the-art survey
CN112259106A (zh) 声纹识别方法、装置、存储介质及计算机设备
CN112069484A (zh) 基于多模态交互式的信息采集方法及系统
CN109313892A (zh) 稳健的语言识别方法和系统
CN110600013B (zh) 非平行语料声音转换数据增强模型训练方法及装置
CN111081255B (zh) 说话人确认方法和装置
Levitan et al. Combining Acoustic-Prosodic, Lexical, and Phonotactic Features for Automatic Deception Detection.
Lataifeh et al. Arabic audio clips: Identification and discrimination of authentic cantillations from imitations
Kopparapu Non-linguistic analysis of call center conversations
Li et al. Unsupervised latent behavior manifold learning from acoustic features: Audio2behavior
Warule et al. Significance of voiced and unvoiced speech segments for the detection of common cold
Karthikeyan Adaptive boosted random forest-support vector machine based classification scheme for speaker identification
Mu et al. Speech emotion recognition using convolutional-recurrent neural networks with attention model
Fenu et al. Causal reasoning for algorithmic fairness in voice controlled cyber-physical systems
CN113053409B (zh) 音频测评方法及装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20863029

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 20.07.2022)

122 Ep: pct application non-entry in european phase

Ref document number: 20863029

Country of ref document: EP

Kind code of ref document: A1