专利交易市场

本发明公开了一种说话人聚类方法、装置、计算机设备及存储介质，其中，该说话人聚类方法包括：将至少两个待聚类语音按语音时长降序排列；依序将每一待聚类语音与预设声学模型库中每一原始通用语音向量进行语音识别，获取与待聚类语音对应的目标通用语音向量；若待聚类语音在目标通用语音向量中的语音特征相似度不大于预设阈值，则采用待聚类语音进行模型训练，与待聚类语音对应的当前通用语音向量；将当前通用语音向量存储在预设声学模型库中，并将待聚类语音归类到对应的聚类类簇中。本发明通过判定待聚类语音的语音特征相似度不大于预设阈值时，自动生成与待聚类语音对应的当前通用语音向量，提高分类的准确性。

本发明公开了一种基于多尺度通道分离卷积特征提取的说话人聚类方法，属于声纹识别技术领域，包括以下步骤：将VoxCeleb和AMI数据集切分为训练集、开发集和测试集；对VoxCeleb和AMI数据进行预处理；在ECAPA‑TDNN网络框架的基础上搭建多尺度通道分离卷积模块；选用AAM‑softmax损失函数对模型进行多次训练得到最优模型；利用多尺度通道分离卷积模型对AMI会议数据提取特征，并运用谱聚类进行聚类分析；使用标准的分割聚类错误率DER对聚类结果打分。本发明能够提取到具有判别性的声纹特征，并在谱聚类算法上取得良好的效果，以相对较小的参数量为代价取得了更低的分割聚类错误率。