买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中科南京智能技术研究院

摘要：本发明旨在提供长短语音通用说话人嵌入层模型获得方法及说话人识别方法，属于说话人识别技术领域，获取训练数据集；构建说话人识别网络；通过训练数据集和说话人识别网络，获得对长语音输入识别准确率优化的说话人识别网络，并将其中的说话人嵌入层模型记为第一说话人嵌入层模型；通过训练数据集，微调所述对长语音输入识别准确率优化的说话人识别网络，获得第二说话人嵌入层模型；根据所述第一说话人嵌入层模型和第二说话人嵌入层模型，基于模型平均方法获得长短语音通用说话人嵌入层模型。本发明提出的通用说话人嵌入层模型和识别方法在兼顾识别精度的同时，提升了系统资源利用率和识别效率，尤其适应于多样化时长语音识别需求的应用环境。

主权项：1.长短语音通用说话人嵌入层模型获得方法，其特征在于，包括以下步骤：获取训练数据集；所述训练数据集中包括长语音频谱样本、短语音频谱样本以及相应的说话人标签；构建说话人识别网络；所述说话人识别网络包括说话人嵌入层模型与说话人分类层；通过训练数据集中的长语音频谱样本以及相应的说话人标签训练优化所述说话人识别网络，获得对长语音输入识别准确率优化的说话人识别网络，并将其中的说话人嵌入层模型记为第一说话人嵌入层模型；通过训练数据集中的短语音频谱样本以及相应的说话人标签训练微调对长语音输入识别准确率优化的说话人识别网络，获得对短语音输入识别准确率优化的说话人识别网络，并将其中的说话人嵌入层模型记为第二说话人嵌入层模型；根据所述第一说话人嵌入层模型和第二说话人嵌入层模型，基于模型平均方法获得长短语音通用说话人嵌入层模型；通过训练数据集中的长语音频谱样本训练优化所述说话人识别网络，获得对长语音输入识别准确率优化的说话人识别网络，包括：步骤S1、输入为固定尺寸的长语音频谱，采用前向传播计算损失函数的值，所述长语音频谱对应的时间为3秒；损失函数为加性角度间隔损失函数；步骤S2、根据损失函数的值反向传播更新说话人识别网络的参数；步骤S3、重复步骤S1-步骤S2，直至说话人识别网络收敛，获得完成训练的对长语音输入识别准确率优化的说话人识别网络；通过训练数据集中的短语音频谱样本训练微调对长语音输入识别准确率优化的说话人识别网络，获得对短语音输入识别准确率优化的说话人识别网络，包括：步骤S4、以步骤S3中获得的对长语音输入识别准确率优化的说话人识别网络的参数作为说话人识别网络的初始参数，输入为训练数据集的短语音频谱，采用前向传播计算损失函数的值，所述短语音频谱对应的时间为1秒；所述损失函数为加性角度间隔损失函数；步骤S5、根据损失函数的值反向传播更新说话人识别网络的参数，学习率选为0.00001；步骤S6、重复步骤S4-步骤S5，直至说话人识别网络收敛，获得完成训练的对短语音输入识别准确率优化的说话人识别网络。

全文数据：

权利要求：

百度查询： 中科南京智能技术研究院 长短语音通用说话人嵌入层模型获得方法及说话人识别方法