单通道多说话人因子提取模型训练方法、提取方法、说话人分离方法及相关装置

本申请提供单通道多说话人因子提取模型训练方法、提取方法、说话人分离方法及相关装置，训练方法包括：采用各个说话人分别在多人交替说话场景中发出的第一单通道语音片段数据的表述内容文本特征和第二单通道语音片段数据，针对变分自编码器中的编码器和解码器执行基于表述内容文本蒸馏的模型训练步骤，以将编码器训练为用于提取单通道语音片段数据对应的说话人语音特征的单通道多说话人因子提取模型。本申请能够在模型训练过程中蒸馏说话人单通道语音对应的表述内容文本，能够有效降低表述内容文本对说话人语音特征提取有效性的冗余信息干扰，能够提高采用该模型提取的说话人语音特征的准确性及后续用于单通道多说话人分离的应用有效性和准确性。