CN114420136B 一种声纹识别模型训练的方法、装置以及存储介质 （厦门快商通科技股份有限公司）_第1页
CN114420136B 一种声纹识别模型训练的方法、装置以及存储介质 （厦门快商通科技股份有限公司）_第2页
CN114420136B 一种声纹识别模型训练的方法、装置以及存储介质 （厦门快商通科技股份有限公司）_第3页
CN114420136B 一种声纹识别模型训练的方法、装置以及存储介质 （厦门快商通科技股份有限公司）_第4页
CN114420136B 一种声纹识别模型训练的方法、装置以及存储介质 （厦门快商通科技股份有限公司）_第5页
已阅读5页，还剩12页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

本发明公开了一种声纹识别模型训练的方加入了反向音频数据的音频训练集中的所有音了声纹识别模型的识别效果及抗干扰性即鲁棒2据进行音频反向操作之前还包括对所述音频训练集中的至少部分音频数据进行随机拼接拼接操作具体是将所述音频数据按预设时间长度进行切割，得到所述音频数据的切割片5.根据权利要求1所述的方法，其特征在于，所述音频数据的音频特征具体为80维的对所述经过数据增强操作的音频训练集中的所有音频数据进行语音活至少一段程序由处理器执行以实现如权利要求1至6任一所述的声3[0007]S4，使用所提取的所述音频数据的音频特征对预先构建的声纹识别模型进行训4[0027]如图1所示为本发明实施例的一种声纹识别模型训练的方法的流程图，示出了该[0031]S4，使用所提取的所述音频数据的音频特征对预先构建的声纹识别模型进行训5括对所述音频训练集中的至少部分音频数据进[0043]如图2所示为本发明实施例的一种训练声纹识别模型的流程图，示出了训练声纹[0050]在另外一种可能的实现中，可以不执行该步骤的随机拼接操作，直接执行步骤6S203.测(VoiceActivityDetection，VAD)，去除音频数据的静音段；然后提取音频数据的80维[0057]在步骤206中，分别使用训练集和测试集对预先构建好的声纹识别模型进行训练的优化器选择AdamW优化算法，学习率策略选择循环学习率(CyclicalLearningRates，CyclicLR)，并采用AAM-Softmax和交叉熵损失函数进行音频数据的嵌入特征序列的分类；7[0062]经过本发明实施例的方法得到的训练好的声纹识别模型可以用来进行声纹验证[0063]本发明的一优选实施例利用在时间域内对音频的反向及对同一说话人片段的随频数据的音频特征输入到利用本发明实施例的方法训练得到的声纹识别模型中得到待辨[0071]进一步地，作为一个可执行方案，所称处理器可以是中央处理单元(CentralProcessingUnit，CPU)，还可以是其他通用处理器、数字信号处理器(DigitalSignal8[0072]存储器可用于存储计算机程序和/或模块，处理器通过运行或执行存储在存储器硬盘，智能存储卡(SmartMediaCard,SMC)，安全数字(SecureDigital,SD)卡，闪存卡[0074]本发明还提供一种计算机可读存储介质，计算机可读存储介质存储有计算机程[0075]系统/电子设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论