(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210532332.9 (22)申请日 2022.05.11 (71)申请人 平安科技 （深圳） 有限公司 地址 518000 广东省深圳市福田区福田街 道福安社区益田路5033号平 安金融中 心23楼 (72)发明人 周定军　 (74)专利代理 机构 广州嘉权专利商标事务所有 限公司 4 4205 专利代理师 叶恩华 (51)Int.Cl. G06F 9/50(2006.01) G06T 1/20(2006.01) G10L 15/08(2006.01) (54)发明名称 基于分布式异构运算的声纹识别方法、 装置 及存储介质 (57)摘要 本申请涉及人工智能领域， 提供了一种基于 分布式异构运算的声纹识别方法、 装置、 电子设 备及计算机可读存储介质， 方法包括： 获取待识 别语音信号； 对 预设的声纹识别系统进行任务拆 分， 得到多个子任务模块； 基于预设的密集计算 评价模型对子任务模块进行评价处理， 得到密集 计算类型信息； 基于密集计算类型信息， 将多个 子任务模块划分至预设的CPU计算密集型微服务 池和预设的GP U计算密集型微服务池； 基于CP U计 算密集型微服务池的子任务模块对待识别语音 信号进行第一计算处理， 得到第一处理信息； 基 于GPU计算密集型微服务池的子任务模块对第一 处理信息进行第二计算处理， 得到声纹识别结 果。 通过上述技术方案能够提高声纹识别的效 率。 权利要求书2页 说明书13页 附图5页 CN 114924876 A 2022.08.19 CN 114924876 A 1.一种基于分布式异构运 算的声纹识别方法， 其特 征在于， 所述方法包括： 获取待识别语音信号； 对预设的声纹识别系统进行任务拆分， 得到多个子任务模块； 基于预设的密集计算评价模型对每个所述子任务模块进行评价处理， 得到所述子任务 模块对应的密集计算类型信息； 基于各个所述子任务模块对应的所述密集计算类型信 息， 将所述多个子任务模块划分 至预设的中央处理器CPU计算密集型微服务池和预设的图形处理器GPU计算密集型微服务 池； 基于所述CPU计算密集型微服务池的子任务模块对所述待识别语音信号进行第 一计算 处理， 得到第一处 理信息； 基于所述GPU计算密集型微服务池的子任务模块对所述第 一处理信 息进行第 二计算处 理， 得到声纹识别结果。 2.根据权利要求1所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述基于 预设的密集计算评价模型对每个所述子任务模块进行评价处理， 得到所述子任务模块对应 的密集计算类型信息， 包括： 对每个子任务模块分别进行接口统一处理和微服务改造， 得到多个接口统一的微服务 模块； 基于所述密集计算评价模型对每个微服务模块进行第 三计算处理， 得到每个微服务模 块对应的判断数据； 基于预设的密集计算判断算法对所述判断数据进行第四计算处理， 得到所述子任务模 块对应的所述密集计算类型信息 。 3.根据权利要求1所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述基于 各个所述子任务模块对应的所述密集计算类型信息， 将所述多个子任务模块划分至预设的 中央处理器CPU计算密集型微 服务池和预设的图形处 理器GPU计算密集型微 服务池， 包括： 根据所述密集计算类型信息确定密集计算类型判别参数； 根据所述密集计算类型判别参数与 预设的密集计算类型判别阈值， 得到密集计算类型 判别结果； 根据所述密集计算类型判别结果将所述多个子任务模块划分至预设的中央处理器CPU 计算密集型微 服务池和预设的图形处 理器GPU计算密集型微 服务池。 4.根据权利要求3所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述密集 计算类型判别结果包括第一判别结果和第二判别结果， 所述根据所述密集计算类型判别参 数与预设的密集计算类型判别阈值， 得到密集计算类型判别结果， 包括： 将所述密集计算类型判别参数与所述密集计算类型判别阈值进行作差运 算； 在所述密集计算类型判别参数大于所述密集计算类型判别阈值的情况下， 得到所述第 一判别结果； 在所述密集计算类型判别参数不大于所述密集计算类型判别阈值的情况下， 得到所述 第二判别结果。 5.根据权利要求4所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述根据 所述密集计算类型判别结果将所述多个子任务模块划分至预设的中央处理器CPU计算密集权　利　要　求　书 1/2 页 2 CN 114924876 A 2型微服务池和预设的图形处 理器GPU计算密集型微 服务池， 包括： 在所述密集计算类型判别结果为所述第 一判别结果的情况下， 将对应的所述子任务模 块划分至所述CPU计算密集型微 服务池； 在所述密集计算类型判别结果为所述第 二判别结果的情况下， 将对应的所述子任务模 块划分至所述GPU计算密集型微 服务池。 6.根据权利要求2所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述判断 数据包括CPU使用率、 CPU权重、 内存使用率、 内存权重、 接口负载、 接口权重、 GPU使用率、 GPU 权重、 显存使用率和显存权 重， 所述密集计算判断算法公式如下： 其中， K表示所述密集计算类型信息， a表示所述CPU使用率， x表示所述CPU权重， b表示 所述内存使用率， y表示所述内存权重， c表示所述接口负载， z表示所述接口权重， d表示所 述GPU使用率， f表示所述GPU权 重， e表示所述显存使用率， g表示所述显存权 重。 7.根据权利要求1所述的基于分布式异构运算的声纹识别方法， 其特征在于， 所述对预 设的声纹识别系统进行任务拆分， 得到多个子任务模块， 包括： 根据预设的声纹识别任务从所述声纹识别系统中提取对应的子任务模块； 所述子任务模块包括： 格式转换模块、 声道分离模块、 去噪声模块、 提取梅尔频率倒谱 系数模块、 提取频域特征模块、 倒谱均值归一化模块、 语音端点检测模块和声纹特征提取模 块。 8.一种基于分布式异构运 算的声纹识别装置， 其特 征在于， 所述装置包括： 第一处理模块， 用于获取待识别语音信号； 第二处理模块， 用于对预设的声纹识别系统进行任务拆分， 得到多个子任务模块； 第三处理模块， 用于基于预设的密集计算评价模型对所述每个子任务模块进行评价处 理， 得到所述子任务模块对应的密集计算类型信息； 第四处理模块， 用于基于各个子任务模块对应的所述密集计算类型信息， 将所述多个 子任务模块划分至预设的中央处理器CPU计算密集型微服务池和预设的图形处理器GPU计 算密集型微 服务池； 第五处理模块， 用于基于所述CPU计算密集型微服务池的子任务模块对所述待识别语 音信号进行第一计算处 理， 得到第一处 理信息； 第六处理模块， 用于基于所述GPU计算密集型微服务池的子任务模块对所述第一处理 信息进行第二计算处 理， 得到声纹识别结果。 9.一种电子设备， 包括： 存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求1至7中任意一项 所述的基于分布式异构运 算的声纹识别方法。 10.一种计算机可读存储介质， 存储有计算机可执行指令， 所述计算机可执行指令用于 执行权利要求1至7中任意 一项所述的基于分布式异构运 算的声纹识别方法。权　利　要　求　书 2/2 页 3 CN 114924876 A 3