本发明提供一种基于bottleneck和通道切分的轻量级说话人识别方法及系统，基于bottleneck和通道切分构建基于深度神经网络的说话人识别模型，所述说话人识别模型的网络框架包括轻量级说话人识别网络主体和说话人识别模型池化模块，语音特征首先作为轻量级说话人识别网络主体的输入，输出为不定长的特征，将其作为说话人识别模型池化模块处理后，生成定长的说话人嵌入；使用知识蒸馏进一步提高模型准确率，包括对基于说话人识别模型实现的教师模型进行预训练，定义知识蒸馏的损失函数，使用知识蒸馏训练轻量级的学生网络模型，根据训练结果实现说话人识别。与现有技术相比，本发明可以解决在小型的算力非常有限的嵌入式设备应用场景下的说话人识别任务。