一种单声道说话人分离模型、训练方法和分离方法
专利汇可以提供一种单声道说话人分离模型、训练方法和分离方法专利检索，专利查询，专利分析的服务。并且本 发明 公开了一种单声道说话人分离模型、训练方法和分离方法，单声道说话人分离方法包括：获取包含第一说话人和第二说话人的音频；分割音频获得至少一份分割音频；输入至少一份分割音频至单声道说话人分离模型，获得至少一份分割音频对应的至少一份第一embedding；输入预先录制的仅包括第二说话人的音频至单声道说话人分离模型，获得仅包括第二说话人的音频对应的第二embedding；判断至少一份第一embedding和第二embedding的余弦相似度是否小于预设 阈值 ，如果是，至少一份分割音频为第一说话人音频，如果否，至少一份分割音频为第二说话人音频。，下面是一种单声道说话人分离模型、训练方法和分离方法专利的具体信息内容。
1.一种单声道说话人分离模型，包括ResCNN，其特征是，所述ResCNN包括8个ResBlock，每个ResBlock包含四个卷积核为3×3、步长为2的卷积层，每个ResBlock之前包括一个卷积核为5×5、步长为4的卷积层。
2.一种单声道说话人分离模型的训练方法，其特征是，所述方法包括：
获取说话人的至少一句话作为锚样本，获取同一说话人的至少另一句话作为正样本，获取不同说话人与锚样本相同的至少一句话作为负样本；
单声道说话人分离模型的每个卷积层之间在序列维度上使用Batch Normalization，并对每个卷积层使用裁剪修正线性函数作为非线性映射；
利用所述锚样本、正样本和负样本训练单声道说话人分离模型，输出所述锚样本、正样本和负样本对应的embedding；
所述正样本、锚样本对应的embedding之间的余弦相似度作为第一距离，所述负样本、锚样本对应的embedding之间的余弦相似度作为第二距离；
利用所述第一距离和第二距离优化模型参数。
3.根据权利要求2所述的一种单声道说话人分离模型的训练方法，其特征是，所述优化模型参数目标为减小第一距离和/或增加第二距离。
4.一种基于单声道说话人分离模型的单声道说话人分离方法，其特征是，所述方法包括：
获取包含第一说话人和第二说话人的音频；
分割所述音频获得至少一份分割音频；
输入所述至少一份分割音频至单声道说话人分离模型，获得所述至少一份分割音频对应的至少一份第一embedding；
输入预先录制的仅包括第二说话人的音频至单声道说话人分离模型，获得所述仅包括第二说话人的音频对应的第二embedding；
判断所述至少一份第一embedding和第二embedding的余弦相似度是否小于预设阈值，如果是，所述至少一份分割音频为第一说话人音频，如果否，所述至少一份分割音频为第二说话人音频。
5.根据权利要求4所述的一种基于单声道说话人分离模型的单声道说话人分离方法，其特征是，所述至少一份分割音频的时域为0.5ms。
6.根据权利要求4所述的一种基于单声道说话人分离模型的单声道说话人分离方法，其特征是，所述方法还包括：
根据获得第一说话人音频的顺序将第一说话人音频重新组合，获得完整的第一说话人语音片段。
7.根据权利要求4所述的一种基于单声道说话人分离模型的单声道说话人分离方法，其特征是，所述方法还包括：
根据获得第二说话人音频的顺序将第二说话人音频重新组合，获得完整的第二说话人语音片段。
一种单声道说话人分离模型、训练方法和分离方法
技术领域
背景技术
发明内容
2的卷积层，每个ResBlock（残差块）之前包括一个卷积核为5×5、步长为4的卷积层。
单声道说话人分离模型的每个卷积层之间在序列维度上使用Batch Normalization（批数据归一化），并对每个卷积层使用裁剪修正线性函数作为非线性映射；
利用所述锚样本、正样本和负样本训练单声道说话人分离模型，输出所述锚样本、正样本和负样本对应的embedding（集合）；
所述正样本、锚样本对应的embedding之间的余弦相似度作为第一距离，所述负样本、锚样本对应的embedding之间的余弦相似度作为第二距离；
利用所述第一距离和第二距离优化模型参数。
分割所述音频获得至少一份分割音频；
输入所述至少一份分割音频至单声道说话人分离模型，获得所述至少一份分割音频对应的至少一份第一embedding；
输入预先录制的仅包括第二说话人的音频至单声道说话人分离模型，获得所述仅包括第二说话人的音频对应的第二embedding；
判断所述至少一份第一embedding和第二embedding的余弦相似度是否小于预设阈值，如果是，所述至少一份分割音频为第一说话人音频，如果否，所述至少一份分割音频为第二说话人音频。
2、本发明可做到实时识别，在线上使用，可做到毫秒响应；
3、本发明的维护成本低，只需要收集badcase，在重新训练模型即可；
4、本发明识别的准确率高，制作成本低；
5、本发明不易受通话过程中的信道、噪声干扰、鲁棒性强。
附图说明
图3为本发明提供的一种基于单声道说话人分离模型的单声道说话人分离方法的流程示意图。
具体实施方式
S102、单声道说话人分离模型的每个卷积层之间在序列维度上使用Batch
Normalization（批数据归一化），将裁剪修正线性函数作为卷积层的非线性映射；
S103、利用所述锚样本、正样本和负样本训练单声道说话人分离模型，输出所述锚样本、正样本和负样本对应的embedding（集合）；
S104、所述正样本、锚样本对应的embedding之间的余弦相似度作为第一距离，所述负样本、锚样本对应的embedding之间的余弦相似度作为第二距离；
S105、利用所述第一距离和第二距离优化模型参数。
一般性地，将未知用户作为第一说话人，将已知用户例如客服、催收员、营销员作为第二说话人。
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 音频数据处理方法、装置、计算机设备以及存储介质 | 2020-05-11 | 325 |
| 利用云端实现智能摄像机自动拨号的方法 | 2020-05-11 | 40 |
| 设备故障诊断的方法、装置及系统 | 2020-05-13 | 474 |
| 一种钢琴学习系统 | 2020-05-14 | 514 |
| 一种人声分离方法及系统 | 2020-05-12 | 181 |
| 一种关联书本与电子资源的系统 | 2020-05-12 | 596 |
| 一种移动互联网智能可穿戴设备 | 2020-05-13 | 450 |
| 一种提高用户观看视频体验度的控制方法及系统 | 2020-05-08 | 1011 |
| 实时对象识别监测方法及存储介质 | 2020-05-13 | 850 |
| 处理庭审记录的方法和系统 | 2020-05-14 | 884 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
