本技術(shù)涉及人工智能及金融，尤其涉及一種聲紋識(shí)別方法和裝置、電子設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、聲紋識(shí)別是一種生物識(shí)別技術(shù)，可以應(yīng)用于多種場(chǎng)景，例如可以應(yīng)用于金融領(lǐng)域場(chǎng)景進(jìn)行身份驗(yàn)證、反欺詐識(shí)別、電話(huà)銀行服務(wù)等。

2、目前，主要采用深度學(xué)習(xí)模型對(duì)用戶(hù)的語(yǔ)音數(shù)據(jù)進(jìn)行聲紋識(shí)別。然而在實(shí)際應(yīng)用中，語(yǔ)音數(shù)據(jù)通常會(huì)夾雜環(huán)境噪音，或者是在傳輸語(yǔ)音數(shù)據(jù)時(shí)產(chǎn)生信道噪音，當(dāng)噪音水平較高時(shí)，深度學(xué)習(xí)模型難以準(zhǔn)確地從語(yǔ)音數(shù)據(jù)中提取用戶(hù)的聲紋特征，從而無(wú)法準(zhǔn)確地對(duì)聲紋特征進(jìn)行識(shí)別，導(dǎo)致聲紋識(shí)別的準(zhǔn)確性降低。

3、因此，如何提高聲紋識(shí)別的準(zhǔn)確性，成為了亟待解決的技術(shù)問(wèn)題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例的主要目的在于提出一種聲紋識(shí)別方法和裝置、電子設(shè)備及存儲(chǔ)介質(zhì)，旨在提高聲紋識(shí)別的準(zhǔn)確性。

2、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第一方面提出了一種聲紋識(shí)別方法，所述方法包括：

3、獲取聲紋樣本數(shù)據(jù)；其中，所述聲紋樣本數(shù)據(jù)包括樣本語(yǔ)音數(shù)據(jù)和樣本說(shuō)話(huà)人標(biāo)簽；其中，所述樣本說(shuō)話(huà)人標(biāo)簽用于表征所述樣本語(yǔ)音數(shù)據(jù)的說(shuō)話(huà)人身份；

4、通過(guò)預(yù)設(shè)的原始聲紋提取模型對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行聲紋特征分布計(jì)算，得到樣本聲紋高斯分布數(shù)據(jù)；

5、對(duì)所述樣本聲紋高斯分布數(shù)據(jù)進(jìn)行聲紋計(jì)算，得到樣本聲紋數(shù)據(jù)；

6、對(duì)所述樣本聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別，得到樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)；

7、基于所述樣本聲紋高斯分布數(shù)據(jù)、所述樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)和所述樣本說(shuō)話(huà)人標(biāo)簽對(duì)所述原始聲紋提取模型進(jìn)行模型優(yōu)化，得到目標(biāo)聲紋提取模型；

8、通過(guò)所述目標(biāo)聲紋提取模型對(duì)預(yù)先獲取的原始語(yǔ)音數(shù)據(jù)進(jìn)行聲紋提取，得到目標(biāo)聲紋數(shù)據(jù)；

9、基于所述目標(biāo)聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別。

10、在一些實(shí)施例，所述樣本聲紋高斯分布數(shù)據(jù)包括樣本聲紋分布均值數(shù)據(jù)和樣本聲紋分布方差數(shù)據(jù)，所述對(duì)所述樣本聲紋高斯分布數(shù)據(jù)進(jìn)行聲紋計(jì)算，得到樣本聲紋數(shù)據(jù)，包括：

11、獲取所述樣本聲紋分布方差數(shù)據(jù)的數(shù)據(jù)維度，并基于所述數(shù)據(jù)維度生成隨機(jī)高斯噪聲數(shù)據(jù)；

12、對(duì)所述樣本聲紋分布方差數(shù)據(jù)與所述隨機(jī)高斯噪聲數(shù)據(jù)進(jìn)行加噪處理，得到加噪聲紋特征數(shù)據(jù)；

13、對(duì)所述樣本聲紋分布均值數(shù)據(jù)與所述加噪聲紋特征數(shù)據(jù)進(jìn)行聚合處理，得到所述樣本聲紋數(shù)據(jù)。

14、在一些實(shí)施例，所述基于所述樣本聲紋高斯分布數(shù)據(jù)、所述樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)和所述樣本說(shuō)話(huà)人標(biāo)簽對(duì)所述原始聲紋提取模型進(jìn)行模型優(yōu)化，得到目標(biāo)聲紋提取模型，包括：

15、基于所述樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)和所述樣本說(shuō)話(huà)人標(biāo)簽進(jìn)行識(shí)別損失計(jì)算，得到說(shuō)話(huà)人識(shí)別損失數(shù)據(jù)；

16、基于所述樣本聲紋分布均值數(shù)據(jù)和所述樣本聲紋分布方差數(shù)據(jù)進(jìn)行散度損失計(jì)算，得到散度損失數(shù)據(jù)；

17、對(duì)所述說(shuō)話(huà)人識(shí)別損失數(shù)據(jù)和所述散度損失數(shù)據(jù)進(jìn)行聚合計(jì)算，得到目標(biāo)損失數(shù)據(jù)；

18、基于所述目標(biāo)損失數(shù)據(jù)對(duì)所述原始聲紋提取模型進(jìn)行參數(shù)調(diào)整，得到所述目標(biāo)聲紋提取模型。

19、在一些實(shí)施例，所述通過(guò)預(yù)設(shè)的原始聲紋提取模型對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行聲紋特征分布計(jì)算，得到樣本聲紋高斯分布數(shù)據(jù)，包括：

20、對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行人聲提取，得到樣本人聲數(shù)據(jù)；

21、對(duì)所述樣本人聲數(shù)據(jù)進(jìn)行頻譜轉(zhuǎn)換，得到原始樣本頻譜數(shù)據(jù)；

22、對(duì)所述原始樣本頻譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到樣本頻譜特征數(shù)據(jù)；

23、通過(guò)所述原始聲紋提取模型對(duì)所述樣本頻譜特征數(shù)據(jù)進(jìn)行高斯分布計(jì)算，得到所述樣本聲紋高斯分布數(shù)據(jù)。

24、在一些實(shí)施例，所述對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行人聲提取，得到樣本人聲數(shù)據(jù)，包括：

25、對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行格式轉(zhuǎn)換，得到初始樣本語(yǔ)音數(shù)據(jù)；

26、對(duì)所述初始樣本語(yǔ)音數(shù)據(jù)進(jìn)行分段處理，得到樣本語(yǔ)音片段數(shù)據(jù)；

27、對(duì)所述樣本語(yǔ)音片段數(shù)據(jù)進(jìn)行特征提取，得到語(yǔ)音片段特征數(shù)據(jù)；

28、對(duì)所述語(yǔ)音片段特征數(shù)據(jù)進(jìn)行人聲檢測(cè)，得到所述樣本人聲數(shù)據(jù)。

29、在一些實(shí)施例，所述基于所述目標(biāo)聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別，包括：

30、通過(guò)所述目標(biāo)聲紋提取模型對(duì)預(yù)先獲取的目標(biāo)語(yǔ)音數(shù)據(jù)進(jìn)行聲紋提取，得到期望聲紋數(shù)據(jù)；

31、對(duì)所述目標(biāo)聲紋數(shù)據(jù)和所述期望聲紋數(shù)據(jù)進(jìn)行相似度計(jì)算，得到聲紋相似度數(shù)據(jù)；

32、基于所述聲紋相似度數(shù)據(jù)進(jìn)行聲紋識(shí)別。

33、在一些實(shí)施例，所述通過(guò)所述目標(biāo)聲紋提取模型對(duì)預(yù)先獲取的原始語(yǔ)音數(shù)據(jù)進(jìn)行聲紋提取，得到目標(biāo)聲紋數(shù)據(jù)，包括：

34、對(duì)所述原始語(yǔ)音數(shù)據(jù)進(jìn)行人聲提取，得到原始人聲數(shù)據(jù)；

35、對(duì)所述原始人聲數(shù)據(jù)進(jìn)行頻譜轉(zhuǎn)換，得到原始人聲頻譜數(shù)據(jù)；

36、對(duì)所述原始人聲頻譜數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，得到目標(biāo)頻譜特征數(shù)據(jù)；

37、通過(guò)所述目標(biāo)聲紋提取模型對(duì)所述目標(biāo)頻譜特征數(shù)據(jù)進(jìn)行高斯分布計(jì)算，得到目標(biāo)聲紋高斯分布數(shù)據(jù)；

38、對(duì)所述目標(biāo)聲紋高斯分布數(shù)據(jù)進(jìn)行聲紋計(jì)算，得到所述目標(biāo)聲紋數(shù)據(jù)。

39、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第二方面提出了一種聲紋識(shí)別裝置，所述裝置包括：

40、樣本數(shù)據(jù)獲取模塊，用于獲取聲紋樣本數(shù)據(jù)；其中，所述聲紋樣本數(shù)據(jù)包括樣本語(yǔ)音數(shù)據(jù)和樣本說(shuō)話(huà)人標(biāo)簽；其中，所述樣本說(shuō)話(huà)人標(biāo)簽用于表征所述樣本語(yǔ)音數(shù)據(jù)的說(shuō)話(huà)人身份；

41、原始聲紋特征分布計(jì)算模塊，用于通過(guò)預(yù)設(shè)的原始聲紋提取模型對(duì)所述樣本語(yǔ)音數(shù)據(jù)進(jìn)行聲紋特征分布計(jì)算，得到樣本聲紋高斯分布數(shù)據(jù)；

42、原始聲紋計(jì)算模塊，用于對(duì)所述樣本聲紋高斯分布數(shù)據(jù)進(jìn)行聲紋計(jì)算，得到樣本聲紋數(shù)據(jù)；

43、原始聲紋識(shí)別模塊，用于對(duì)所述樣本聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別，得到樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)；

44、模型優(yōu)化模塊，用于基于所述樣本聲紋高斯分布數(shù)據(jù)、所述樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)和所述樣本說(shuō)話(huà)人標(biāo)簽對(duì)所述原始聲紋提取模型進(jìn)行模型優(yōu)化，得到目標(biāo)聲紋提取模型；

45、目標(biāo)聲紋提取模塊，用于通過(guò)所述目標(biāo)聲紋提取模型對(duì)預(yù)先獲取的原始語(yǔ)音數(shù)據(jù)進(jìn)行聲紋提取，得到目標(biāo)聲紋數(shù)據(jù)；

46、目標(biāo)聲紋識(shí)別模塊，用于基于所述目標(biāo)聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別。

47、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第三方面提出了一種電子設(shè)備，所述電子設(shè)備包括存儲(chǔ)器和處理器，所述存儲(chǔ)器存儲(chǔ)有計(jì)算機(jī)程序，所述處理器執(zhí)行所述計(jì)算機(jī)程序時(shí)實(shí)現(xiàn)上述第一方面所述的方法。

48、為實(shí)現(xiàn)上述目的，本技術(shù)實(shí)施例的第四方面提出了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)存儲(chǔ)有計(jì)算機(jī)程序，所述計(jì)算機(jī)程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)上述第一方面所述的方法。

49、本技術(shù)提出的聲紋識(shí)別方法和裝置、電子設(shè)備及存儲(chǔ)介質(zhì),其通過(guò)獲取聲紋樣本數(shù)據(jù)；其中，聲紋樣本數(shù)據(jù)包括樣本語(yǔ)音數(shù)據(jù)和樣本說(shuō)話(huà)人標(biāo)簽；其中，樣本說(shuō)話(huà)人標(biāo)簽用于表征樣本語(yǔ)音數(shù)據(jù)的說(shuō)話(huà)人身份；通過(guò)預(yù)設(shè)的原始聲紋提取模型對(duì)樣本語(yǔ)音數(shù)據(jù)進(jìn)行聲紋特征分布計(jì)算，得到樣本聲紋高斯分布數(shù)據(jù)；對(duì)樣本聲紋高斯分布數(shù)據(jù)進(jìn)行聲紋計(jì)算，得到樣本聲紋數(shù)據(jù)；對(duì)樣本聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別，得到樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)；基于樣本聲紋高斯分布數(shù)據(jù)、樣本說(shuō)話(huà)人身份識(shí)別數(shù)據(jù)和樣本說(shuō)話(huà)人標(biāo)簽對(duì)原始聲紋提取模型進(jìn)行模型優(yōu)化，得到目標(biāo)聲紋提取模型；通過(guò)目標(biāo)聲紋提取模型對(duì)預(yù)先獲取的原始語(yǔ)音數(shù)據(jù)進(jìn)行聲紋提取，得到目標(biāo)聲紋數(shù)據(jù)；基于目標(biāo)聲紋數(shù)據(jù)進(jìn)行聲紋識(shí)別，通過(guò)訓(xùn)練好的目標(biāo)聲紋提取模型能夠更精準(zhǔn)地獲取到具有高區(qū)分度的聲紋特征，進(jìn)而提高聲紋識(shí)別的效率和準(zhǔn)確率。