一种基于语义内容多粒度解纠缠的说话人确认方法及装置

本发明属于声纹识别技术领域，公开了一种基于语义内容多粒度解纠缠的说话人确认方法及装置。该方法通过双分支网络模型分别提取第一帧级声纹特征和语义特征，经维度匹配模块得到第二帧级特征，经聚合模块得到话语级特征；构建帧级和话语级解纠缠损失，结合多粒度解纠缠损失和声纹分类损失形成总损失函数训练模型；利用训练好的模型提取待比较语音的话语级声纹特征进行身份确认。本发明通过多粒度解纠缠消除语义内容干扰，提升声纹特征准确性，同时采用预训练语义编码器降低计算复杂度，适用于文本无关的说话人确认场景。