声纹识别

摘要： 针对声纹识别任务中常常出现的由于真实场景语音与模型训练语料在内部特征(情感、语言、说话风格、年龄)或外部特征(背景噪声、传输信号、麦克风、室内混响)等方面的差异所导致的模型识别率低的问题,提出了一种基于对抗网络的声纹识别域迁移算法。首先,利用源域语音对X-Vector的声纹识别模型进行训练;然后,采用域迁移方法将源域训练的XVector模型迁移至目标域训练数据;最后,在目标域测试数据上检测迁移后的模型性能,并将其与迁移前的模型性能进行对比。实验中采用AISHELL1作为源域,采用VoxCeleb1和CNCeleb分别作为目标域对算法性能进行测试。实验结果表明,采用本文方法进行迁移后,在VoxCeleb1和CN-Celeb的目标域测试集上的等错误率分别下降了21.46%和19.24%。

摘要： 本文为公司和家庭探索设计了一款基于梅尔倒谱系数和高斯混合模型的声纹识别的简易门禁系统,主要基于STM32平台。为了实现无接触式畅通,用户也可在APP上进行声纹验证,此APP基于讯飞开放平台,具有较高的准确性和识别效率。

摘要： 目前基于深度学习的说话人识别算法中,大多数算法只考虑了语音的空间域特征或时域特征,且模型训练难度大,准确率较低。针对说话人识别过程中存在的连续性强、空域、时域和频域特征提取不充分的难点,提出一种基于注意力机制(Attention mechanism)的混合卷积神经网络(Convolutional Neural Networks,CNN)和长短期记忆网络(Long Short-Term Memory,LSTM)的说话人识别方法。该方法首先提取数据集Mel频率倒谱系数(Mel Frequency Cepstral Cofficient,MFCC)和Gammatone滤波器倒谱系数(Gammatone Frequency Cepstral Coefficients,GFCC);其次采用CNN从提取到的声学特征参数中提取高层次的属性特征,将学习到的深度特征参数经转换后送入LSTM中,以充分提取语音信号的时序信息;再次,使用注意力机制赋予LSTM隐藏层不同的权重,以增加关键帧语音对识别结果的贡献度;最后采用Softmax层实现说话人识别的分类。实验结果表明,所提的算法在中文数据集的准确率比CNN和CNN+LSTM模型分别提升10.38%和9.65%;在Librispeech数据集的准确率分别提高5.56%和5.72%。因此,本方法能充分考虑语音时频信息和关键帧的贡献度,进一步提高说话人识别的准确度。

摘要： 主要叙述了基于微服务的智能化媒体资产管理系统技术架构、系统设计原则,详细分析媒体资产智能管理系统主要子系统的功能与模块组成,探讨了媒体资产管理系统的业务流程。

摘要： 传统声纹识别方法过程繁琐且识别率低,现有的深度学习方法所使用的神经网络对语音信号没有针对性从而导致识别精度不够。针对上述问题,本文提出一种基于非线性堆叠双向LSTM的端到端声纹识别方法。首先,对原始语音文件提取出Fbank特征用于网络模型的输入。然后,针对语音信号连续且前后关联性强的特点,构建双向长短时记忆网络处理语音数据提取深度特征,为进一步增强网络的非线性表达能力,利用堆叠多层双向LSTM层和多层非线性层实现对语音信号更深层次抽象特征的提取。最后,使用SGD优化器优化训练方式。实验结果表明提出的方法能够充分利用语音序列信号特征,具有较强的时序全面性和非线性表达能力,所构造模型整体性强,比GRU和LSTM等模型具有更好的识别效果。

摘要： 通过对大型电力变压器(电抗器)声纹信号采集、处理与特征分析,提出了一种基于声纹识别技术的变压器工况检测方法及验证系统,实现对变压器工作状态的判断检测。首先,通过声纹采集传感器实地采集获取73组变压器音频,共约1800 min;其次,分别运用分段、分帧、加窗音频预处理方法对所采集的变压器声纹进行去噪处理;再次,综合运用能量特征、频率特征、梅尔频率倒谱系数、频率压缩方法提取变压器声纹特征并进行有效融合;最后,针对变压器工况声音由稳定工作状况发出的声音与不稳定的瞬时杂音加性叠加问题,提出一种基于余弦相似度算法实现声纹叠加的分离检测,同时建立一套变压器工况检测与验证分析系统。

摘要： 语音是人机交互的重要载体,语音中既包含语义信息,还包含性别、年龄、情感等附属信息。深度学习的发展使得各类语音处理任务的性能得到了显著提升,智能语音处理的产品已应用于移动终端、车载设备以及智能家居等场景。语音信息被准确地识别是人与设备实现可信交互的重要基础,语音传递过程中的安全问题也受到了广泛关注。对抗样本攻击是最近几年兴起的一个研究热点,攻击者通过对样本进行微小的改动使深度学习模型预测错误,从而带来潜在的安全风险。语音识别领域同样面临着来自对抗样本的安全威胁,在对抗样本的攻击和防御方法上也与图像识别等领域存在显著差异。因此,研究语音对抗样本的攻击和防御方法具有重要意义。本文在介绍对抗样本相关概念的基础上,选取语音识别中的文本内容识别、声纹身份识别两个典型任务,按照从白盒攻击到黑盒攻击、从数字攻击到物理攻击、从特定载体到通用载体的顺序,采取从易到难、逐步贴近实际场景的方式,系统地梳理了近年来比较典型的语音对抗样本的攻击方法。从分类边界构造的角度,对语音对抗样本的防御方法进行分类论述,揭示各类方法实现防御的机理。对现阶段语音对抗样本攻击与防御方法的技术难点进行了分析与总结,并对语音对抗样本攻防未来的发展方向进行了展望。

摘要： 声纹识别,是根据声纹特征识别说话人身份的一种生物识别技术。与人脸识别、指纹识别、虹膜识别相比,声纹识别的数据获取更加便捷,不受时间地域的限制,数据采集成本更低,公众对声音采集的抵抗力较弱,已经在安防、刑侦、金融等多个领域被使用。而声纹识别算法的关键是描述特定对象的声纹特征,好的特征既要最大化保留说话人的语音特性,又要对噪音、语速、音量、说话内容等有较好的鲁棒性。针对语音数据较少、文本不相关情况下的声纹识别,本研究采用频繁序列挖掘技术对声音的梅尔倒谱系数(Mel-scale Frequency Cepstral Coefficients,MFCC)组成的序列进行挖掘,将挖掘到的频繁序列作为说话人的语音特征,再使用PLDA判别方法,结果显示该模型对语音数据较少的情况识别效果良好。

摘要： 地下电缆在使用过程中,容易受到工程车辆作业破坏,针对这种情况,文章提出将声纹识别技术应用在地下电缆防护中,通过收集环境声音,判断电缆周围是否存在工程车辆作业,及时向有关部门发出预警。在声纹识别过程中,提出加权动态梅尔频率倒谱系数(mel frequency cepstrum coefficient,MFCC)作为声纹识别的特征参数,由梅尔倒谱系数及其加权的一阶和二阶差分系数合并而成,不仅能够反映音频信号的静态特性,还在很大程度上逼近音频的动态特性,并且与常用的特征参数相比,计算复杂程度更低。通过实验证明,以加权动态MFCC特征参数作为高斯混合模型–通用背景模型(gaussian mixture modeluniversal background,GMM-UBM)的特征参数的工程车辆识别系统,能够在提高识别率的情况下,大大降低系统的运行时间,以此实现地下电缆防护。

摘要： 制冷机在工业企业中的使用极为广泛,为了能及时发现制冷机长期运行过程中因气缸、曲轴磨损及设备松动等引起的运行异常及故障,保证制冷机的长期、稳定运行,研制了一套基于声信号无线远传和声纹识别的制冷机运行及故障监控系统。系统采用通用分组无线业务(GPRS)移动通讯网络,将现场采集到的制冷机运转噪声信号无线远传给上位机,然后在上位机内采用Mel倒谱系数(MFCC)特征提取与长短时记忆(LSTM)神经网络相结合的声纹识别方法对接收到的声信号进行处理,进而对制冷机的运行状况及故障进行监控和识别。试验结果表明,采用MFCC与LSTM神经网络相结合的方法,可以有效地提高系统的识别率及诊断效果,具有良好的应用前景。

摘要： 针对目前声纹识别中常用的模式识别算法(LPCC、MFCC等)的不足,为了提高声纹识别系统性能,本研究提出将小波分析和BP神经网络—小生境遗传优化算法(BP-GA)用于声纹识别中.该算法首先采用小波分析对语音信号提取信号时域频域特征变量,然后通过小生境遗传算法克服传统多层人工神经网络在训练时存在易陷入局部极小值的问题,最后采用小波特征变量做为优化后的神经网络的训练数据得到最终声纹识别算法.实验结果表明采用小波分析和BP神经网络—小生境遗传算法的声纹识别性能相对传统识别算法具有识别速度快、识别率高、错误率低、能够自动纠错,对于不同的发音人具有鲁棒性等优点.

摘要： 研制了一种基于声纹识别的智能门禁系统设计方案,介绍了STM32单片机主控制电路、WiFi通讯电路及手机客户端和服务端的工作流程.与传统智能门禁系统相比,该系统充分利用声纹识别的安全性和可靠性,在身份验证上通过语音内容和声纹特征进行双重识别,避免他人假冒带来财产损失,在服务端实时记录门禁系统状态信息,方便对出入信息进行管理,在硬件部分采用有透传模式的WiFi电路,避免应用于不同软硬件平台时增加使用复杂度.在实验室对系统进行了测试,系统运行稳定,具有异常处理能力,同时有较好的可配置性和可扩展性.

摘要： 声纹识别技术是生物特征认证的重要研究方向,人们已经将自动声纹识别技术应用于司法鉴定工作.本文介绍了自动声纹识别技术原理及其应用情况,并基于多信道维语语音数据展开自动声纹识别技术研究.根据目前技术的发展方向,本文采用了系统融合的技术框架,并实现了一个多信道维语自动声纹识别系统.同时,本文针对维语口语化的发音特点,进行韵律特征提取,并与传统倒谱特征结合,提高了系统性能.此外,面向多信道的实际环境,本文采用了因子分析技术,进一步提高了系统的鲁棒性.在与其他同类软件对比测试中,该系统取得了很好的性能.

摘要： 声纹识别技术是生物特征识别技术的一种，由于声音具有远程采集方便的特点，已经日益成为当前的研究热点之一．本文针对声纹识别技术的应用背景和巨大的市场前景，分析研究现状，探究了该技术的研究难点，并对应用前景作了展望．

摘要： 语音切分是声纹识别中的关键技术之一.切分的精确性直接影响声纹识别的性能.传统的切分算法很容易受噪声和能量变化的干扰,为此本文从短时能量、短时过零率和频域能量相关性的角度提出了改进算法,实验表明使用改进后的算法,可以有效改善传统算法的缺陷,从而提高识别精度.

摘要： 近些年,在物联网领域,伴随看多元化智能硬件的出现,触控式人机交互逐渐被语音人机交互取代已成为趋势.通过声纹生物信息ID解决人作为自然个体而非数字ID的唯一登录与访问,最优链接人与信息、服务,可以让人机交互回归人类自然行为的本质,实现“物物有声纹”.如:手机终端的语音解锁、微信应用的语音登录等通过声纹与特定说话人进行交互.同时,随着亚马逊公司的Alexa和Echo、阿里巴巴集团的天猫精灵等声纹识别产品的诞生以及SpeakIn公司在“端+云”领域的发力并把庞大的声纹识别算法集成到芯片、模组上,“物联网的语音时代”逐步到来.

摘要： 声纹特征具有非接触获取、手段便利、验证代价低廉、目标特征唯一等特点.通过声纹数据库的建立,利用声纹识别技术实现反恐、绑架、敲诈、勒索、恐吓等各类案件的中犯罪嫌疑人的快速锁定、及时破案.本文着重从声纹数据库建设的意义、目标、内容、实施、应用五个阐述,为声纹数据库建设提供一些参考意见.

摘要： 在声纹识别研究领域，除了说话人之间差异导致的问题外，说话人自身变化引起的声纹改变，也是影响鉴别性能的一个重要因素。在声纹打卡系统的使用过程中，说话人鉴别率不稳定，有随时间下降的趋势。为了研究这个问题，本文采用打卡系统几年来采集到的语音数据，对声纹漂移现象进行了初步的探索。我们采用PRAAT工具分析语音基频，能量及共振峰的变化，得出不同特征随时间变化的分布情况。实验结果表明：声纹的基频范围会随时间推移出现明显的上下波动，而能量均值随着时间推移却趋于稳定。另外，系统鉴别率的下降可能与共振峰的改变有关，因为共振峰与系统采用的MFCC特征有直接的关联。

摘要： 本文通过介绍现代语音识别技术基础,引出检验样本制作的重要性.以此为基础阐述了不同情况下声音样本录制的各自特点及容易产生声音失真的原因,并讨论了录制时的注意事项.

摘要： 本文通过介绍现代语音识别技术基础,引出检验样本制作的重要性.以此为基础阐述了不同情况下声音样本录制的各自特点及容易产生声音失真的原因,并讨论了录制时的注意事项.

摘要： 本申请提供一种声纹识别模型训练方法、声纹识别方法及相关设备，声纹识别模型训练方法，包括：将声纹数据依次输入至待训练模型进行多次迭代训练，得到声纹识别模型；其中，所述待训练模型包括L层网络层，L为大于1的整数；在第N次的迭代训练的过程中，包括以下步骤：将所述声纹数据依次经过L层所述网络层进行特征映射，输出声纹向量；在所述声纹向量对应的输出值满足预设条件的情况下，将经过第N次的迭代训练之后的待训练模型确定为声纹识别模型，其中，N为正整数。这样，提高了对样本的利用率，且提高了训练得到的声纹识别模型的准确度。

摘要： 本公开涉及一种声纹识别模型的训练方法及装置、声纹识别方法及装置，涉及语音数据处理领域。声纹识别模型的训练方法包括：获取声纹识别数据集；根据所述声纹识别数据集中的语音数据，生成第一训练数据集和第二训练数据集，其中，所述第一训练数据集为从声纹识别数据集中随机抽取出部分语音数据，所述第二训练数据集为声纹识别数据集中的全部语音数据；利用所述第一训练数据集，通过神经网络架构搜索算法，搜索得到声纹识别模型；利用所述第二训练数据集，训练所述声纹识别模型。根据本公开，训练的声纹识别模型更精简有效，提高了声纹识别的效率和准确率。

摘要： 一种声纹识别、注册装置、及跨设备声纹识别方法，该方法应用于一种系统，该系统包括声纹识别装置和声纹注册装置，声纹注册装置消除第一语音中的与该装置相关的噪声以得到注册声纹信息，该注册声纹信息为识别设备进行声纹识别提供基础；声纹识别装置消除第二语音中与该装置相关的噪声以得到目标声纹信息；在进行语音识别时，声纹识别装置将目标声纹信息与注册声纹信息进行匹配以得到匹配结果，匹配结果用于指示用户身份；注册声纹信息包括消除了该装置对于生物声纹的影响之后的声纹，可以共享给其他设备使用，用户可以在声纹识别装置上实现声纹识别功能，不需重复进行声纹注册，省去繁杂的声纹注册过程，实现跨设备声纹识别。

摘要： 本公开提供了一种声纹识别模型训练方法和装置，涉及语音技术、深度学习等技术领域。具体实现方案为：获取特征样本集；获取声纹识别网络，声纹识别网络包括：特征提取器、基础网络和互抗网络；特征提取器用于提取输入信息中的说话人特征和非说话人特征，基础网络用于对说话人特征进行预测；互抗网络用于区分说话人特征和非说话人特征；将选取的辨识矢量特征输入特征提取器，得到选取的辨识矢量特征对应的说话人特征和非说话人特征；将该说话人特征和该非说话人特征输入基础网络，以及将该说话人特征和该非说话人特征输入互抗网络，计算声纹识别网络的损失值；基于损失值和声纹识别网络，得到声纹识别模型。该实施方式提高了声纹识别准确性。

摘要： 本说明书提供的声纹识别模型的训练方法、系统以及声纹识别方法和系统，提出了一种区分相似说话人的方案，在声纹识别模型训练过程中，通过自适应调整与目标样本声纹特征相近的相似类别的余量取值，使得训练过程中相似类别所占的权重加大，加重训练过程中相似说话人梯度的权重，从而使网络更加关注于对相似说话人的区分，使训练得到的声纹识别模型能够准确的对相似说话人的声纹特征进行区分，提升声纹识别模型的安全性。

摘要： 本申请公开了一种声纹识别模型的训练方法、声纹识别方法及相关设备包括：获取多个样本音频和声纹标签；声纹识别模型中的各特征提取网络层基于样本音频逐层进行特征提取，得到特征信息；由分类层根据特征信息进行声纹分类，得到样本声纹分类结果；根据样本声纹分类结果、样本音频对应的声纹标签、目标计算量和预设的损失函数，分别计算得到各特征提取网络层的损失值；根据各特征提取网络层的损失值，计算得到目标损失值；根据目标损失值反向调整声纹识别模型的参数，直至达到模型训练完成；实现在保证声纹识别的准确性的基础上，减少特征提取所需的计算量，进而，减少声纹识别所用的计算资源。

摘要： 本发明公开了一种声纹识别模型的训练及声纹识别方法、系统、设备和介质，该训练方法包括获取若干样本语音，提取样本语音的每个语音帧对应的声学频谱特征，获取声学频谱特征对应的设定数量维度的目标帧特征，基于目标帧特征处理得到样本语音对应的目标语音特征，基于目标语音特征获取样本语音对应的声纹向量，将同一样本语音对应的声学频谱特征作为输入，对应的声纹向量作为输出，训练得到声纹识别模型；实现了有针对性的提取语音中的声纹信息，对语音中每个语音帧的各个维度进行评估，计算语音帧的维度权重，以选择出重要的声纹信息，减少了声纹识别模型的参数量和计算量，加快了模型的推理时间，提高了模型声纹信息的提取精度和准确率。

摘要： 本发明实施例涉及一种声纹识别模型的训练方法、声纹识别方法、装置及设备，涉及语音识别领域，通过迭代执行对所述当前语音数据子集中的语音数据进行预处理，获得语音片段；确定第一对比正对和对比负对；将每个语音片段输入到上一迭代获得的深度残差网络模型中，获得对应的说话人嵌入；针对每个说话人嵌入，从预设说话人嵌入队列中确定对应的最近邻正实例，并确定第二对比正对；根据所述第一对比正对、第二对比正对和对比负对对所述上一迭代获得的深度残差网络模型进行训练，获得当前深度残差网络模型；即本发明的实施例通过额外引入的说话人嵌入队列，选取最近邻正实例来构成额外的对比正对，使得训练出的声纹识别模型准确性更高。

摘要： 本发明涉及一种声纹识别特征提取模型的训练方法和声纹识别系统，属于语音识别技术领域；其中训练方法包括：构建声纹识别训练数据集；利用特征编码器对数据集中的语音数据进行特征提取、随机屏蔽和特征编码，得到有损语音特征向量；对有损语音特征向量进行向量填充和位置信息嵌入，得到掩码填充后的特征向量；基于掩码填充后的特征向量对被随机屏蔽部分对应的语音特征向量进行预测，得到完整语音特征向量并经过softmax分类，得到标签类别分布；通过损失函数进行迭代更新，得到训练好的特征编码器；关闭特征编码器的随机屏蔽功能，得到特征提取模型。本发明解决了现有技术中的声纹识别方法鲁棒性差，在不同场景下对有损语音无法准确识别的问题。

摘要： 本申请涉及人工智能技术，揭示一种声纹识别方法、声纹识别装置、边缘端设备、计算机可读存储介质及声纹识别系统，该方案在用户终端获取用户的声音数据，在边缘端设备对声音数据进行声纹特征提取，获得声纹数据，在云端设备比对声纹数据和存储的声纹样本，从而确定用户身份。用户的声音内容不出边缘侧，对声音内容有更加安全的保护；而且，通过传输声纹数据，对于声音内容不进行传输，减少了网络带宽的压力，降低网络延迟。