发明公开
- 专利标题: 一种说话人分段聚类方法及装置
- 专利标题(英): Speaker segmenting clustering method and device
-
申请号: CN201910015449.8申请日: 2019-01-08
-
公开(公告)号: CN109859742A公开(公告)日: 2019-06-07
- 发明人: 袁庆升 , 包秀国 , 汪立东 , 张鸿 , 杜翠兰 , 王文超 , 颜永红 , 陈志高
- 申请人: 国家计算机网络与信息安全管理中心 , 中国科学院声学研究所
- 申请人地址: 北京市朝阳区裕民路甲3号
- 专利权人: 国家计算机网络与信息安全管理中心,中国科学院声学研究所
- 当前专利权人: 国家计算机网络与信息安全管理中心,中国科学院声学研究所
- 当前专利权人地址: 北京市朝阳区裕民路甲3号
- 代理机构: 工业和信息化部电子专利中心
- 代理商 李勤媛
- 主分类号: G10L15/02
- IPC分类号: G10L15/02 ; G10L15/04 ; G10L15/06 ; G10L15/26 ; G10L25/51
摘要:
本发明提供一种说话人分段聚类方法及装置,以解决相关技术中处理短时说话人语音时,性能下降导致说话人聚类效果较差的问题。该方法包括:将待聚类语音划分为多个子语音段;通过权重联合概率线性判别分析WT-PLDA模型对基于划分得到的各子语音段的I-vector提取出各子语音段的特征信息W-vector,所述WT-PLDA模型的模型参数至少包括:均值向量、说话人子空间的投影矩阵、说话人因子的隐藏变量以及残差因子;通过概率线性判别分析PLDA根据划分后多个子语音段的所述W-vector对该多个子语音段循环进行多次聚类,直至所述多个子语音段被聚类为两类。本发明提高了说话人的聚类效果。
公开/授权文献
- CN109859742B 一种说话人分段聚类方法及装置 公开/授权日:2021-04-09