基于短语音的说话人识别预训练模型引导的声纹聚类方法

本发明公开了一种基于短语音的说话人识别预训练模型引导的声纹聚类方法，该方法包括下述步骤：获取原始语音信号，随机组合多种增强策略实现数据增强；基于均匀分割方式对数据增强后的语音信号进行语音分段；基于全局时频域上下文建模的注意力机制提取分段后的语音的声纹特征；基于K均值聚类和谱聚类得到聚类结果，将聚类结果匹配真实说话人标签，基于角度依赖的AAM‑Softmax损失进行反向传递，输出声纹聚类结果。本发明能克服环境干扰对特征提取的影响，筛选对身份辨识更有效的特征维度，能够以较低的参数量取得优于主流算法的聚类输出效果，提升了在噪声干扰条件下的鲁棒性。