申请/专利权人：中科南京智能技术研究院

申请日：2023-12-19

公开（公告）日：2024-04-05

公开（公告）号：CN117831540A

主分类号：G10L17/18

分类号：G10L17/18;G10L25/18;G10L25/87

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于课程学习的说话人识别方法、装置及存储介质，所述方法包括实时音频获取步骤，包括：获取任意说话人的实时音频，并对实时音频进行频谱特征提取；将实时音频的频谱特征输入音频活动检测器，检测实时音频中是否有语音或平凡发音；当实时音频不是语音或平凡发音时，返回实时音频获取步骤；当实时音频是语音或平凡发音时，将实时音频的频谱特征输入基于课程学习训练获得的说话人嵌入层网络中，获得实时音频的说话人嵌入层；将实时音频的说话人嵌入层与预先构建的注册说话人嵌入层进行余弦相似度计算，判断是否为同一说话人，本发明可同时对普通语音和平凡发音进行识别，识别准确率高。

主权项：1.一种基于课程学习的说话人识别方法，其特征在于，包括：实时音频获取步骤，包括：获取任意说话人的实时音频，并对实时音频进行频谱特征提取；将实时音频的频谱特征输入音频活动检测器，检测实时音频中是否有语音或平凡发音；当实时音频不是语音或平凡发音时，返回实时音频获取步骤；当实时音频是语音或平凡发音时，将实时音频的频谱特征输入基于课程学习训练获得的说话人嵌入层网络中，获得实时音频的说话人嵌入层；将实时音频的说话人嵌入层与预先构建的注册说话人嵌入层进行余弦相似度计算，判断是否为同一说话人。

全文数据：

权利要求：

百度查询： 中科南京智能技术研究院 一种基于课程学习的说话人识别方法、装置及存储介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD