大量说话人识别(ID)系统及其相应方法

摘要

一种存储器，存储用于使与大量说话人识别(ID)系统相关联的处理器实例化包括以下项的功能的计算机可读指令：音频分段和分类功能(F10)，接收一般音频数据(GAD)，并且产生多个段；特征提取功能(F12)，接收这些段，并且从中提取基于Me1倒谱系数(MFCC)的特征；学和聚类功能(14)，接收所提取的特征，并且根据所提取的特征在必要时对段进行重新分类；匹配和标注功能(16)，将说话人ID分配给GAD内的语音信号；以及数据库功能，用于将所分配的说话人ID与GAD内的相应语音信号相联系。音频分段和分类功能可以将每个段分配给N个音频信号类之一，其中N个音频信号类包括静默、单个说话人的语音、音乐、环境噪声、多个说话人的语音、同时语音和音乐、以及语音和噪声。

主权项

1.一种大量说话人识别(ID)系统(100，100’)，其从一般音频数据(GAD)识别归因于说话人的音频信号，该系统包括：用于将GAD分段(130，130’)成多个段的装置；用于将每个段分类(130，130’)为N个音频信号类之一的装置；用于从段中提取特征的装置；用于响应所提取的特征在必要时将段从N个音频信号类中的一个重新分类(130，130’)到另一个的装置；用于对这些段中的邻近段进行聚类(130，130’)从而产生聚类段的装置；以及用于以说话人ID标注(130，130’)每个聚类段的装置。