1.一种声纹模型训练方法，其特征在于，包括：

采用至少两个业务场景下的训练语音数据进行通用背景模型训练，获取通用背景模型；

采用所述通用背景模型对域内语音数据和域外语音数据分别进行特征提取，获取相应的域内声纹特征和域外声纹特征；

基于所述域外声纹特征进行概率线性判别分析模型训练，获取域外概率线性判别分析模型；

基于所述域内声纹特征对所述域外概率线性判别分析模型进行自适应训练，获取目标概率线性判别分析模型。

2.根据权利要求1所述的声纹模型训练方法，其特征在于，所述采用至少两个业务场景下的训练语音数据进行通用背景模型训练，获取通用背景模型，包括：获取至少两个业务场景下的训练语音数据；

将所述至少两个业务场景下的训练语音数据等比例混合，获取混合语音数据；

基于所述混合语音数据进行通用背景模型训练，获取通用背景模型。

3.根据权利要求1所述的声纹模型训练方法，其特征在于，所述采用所述通用背景模型对域内语音数据和域外语音数据分别进行特征提取，获取相应的域内声纹特征和域外声纹特征，包括：基于通用背景模型对域内语音数据进行分解，获取所述通用背景模型的域内均值和域内协方差矩阵，将所述通用背景模型的域内均值和域内协方差矩阵转换成所述域内声纹特征；

基于通用背景模型对域外语音数据进行分解，获取所述通用背景模型的域外均值和域外协方差矩阵，将所述通用背景模型的域外均值和域外协方差矩阵转换成所述域外声纹特征。

4.根据权利要求3所述的声纹模型训练方法，其特征在于，所述基于所述域外声纹特征进行概率线性判别分析模型训练，获取域外概率线性判别分析模型，包括：初始化所述概率线性判别分析模型的参数空间；所述概率线性判别分析模型的参数空间表示为H＝{μ，F，G，ε}，其中，μ表示均值，F表示类间方差、G表示类内方差，ε表示噪声协方差矩阵；

对所述域外概率线性判别分析模型的类内方差进行归一化处理，获取中间概率线性判别分析模型，并获取所述中间概率线性判别分析模型的参数空间；

基于所述中间概率线性判别分析模型的参数空间，采用最大期望算法对携带同一用户标识的至少两个所述域外声纹特征在所述中间概率线性判别分析模型中进行迭代运算，生成最大化类间方差和最小化类内方差对应的特征转换矩阵和类间方差；

基于所述特征转换矩阵和所述类间方差，根据似然概率更新所述中间概率线性判别分析模型的参数空间，获取所述域外概率线性判别分析模型；

所述似然概率的表达式为 其中，utest表示测试录音的声纹特征，表示说话人n条训练录音的声纹特征； 表示训练录音声纹特征均值；

P(utest)＝N(utest|0,I+Ψ)；n表示说话人的第n条训练录音，I表示类内方差归一化后的单位矩阵，Ψ表示类间方差；所述的表达式表示服从均值为 方差为 的正态分布；所述P(utest)的表达式表示服从均值为0，方差为I+Ψ的正态分布。

5.根据权利要求3所述的声纹模型训练方法，其特征在于，所述基于所述域内声纹特征对所述域外概率线性判别分析模型进行自适应训练，获取目标概率线性判别分析模型，包括：在有限步迭代下，将所述域内声纹特征的域内均值和域内协方差矩阵加权到所述域外概率线性判别分析模型的参数空间的均值和协方差矩阵上，获取目标概率线性判别分析模型。

6.一种语音识别方法，其特征在于，包括：

采用通用背景模型对待测语音数据进行特征提取，获取待测声纹特征，所述待测声纹特征携带用户标注；

基于所述用户标注获取对应的注册声纹特征；

采用目标概率线性判别分析模型对所述待测声纹特征和所述注册声纹特征进行处理，获取似然概率；所述目标概率线性判别分析模型是采用权利要求1-5任一项所述声纹模型训练方法获取到的；

判断所述似然概率是否大于预设概率；

若所述似然概率大于所述预设概率，则确定所述待测声纹特征和所述注册声纹特征对应同一说话人，并输出识别结果。

7.一种声纹模型训练装置，其特征在于，包括：

通用背景模型获取模块，用于采用至少两个业务场景下的训练语音数据进行通用背景模型训练，获取通用背景模型；

声纹特征获取模块，用于采用所述通用背景模型对域内语音数据和域外语音数据分别进行特征提取，获取相应的域内声纹特征和域外声纹特征；

域外模型获取模块，用于基于所述域外声纹特征进行概率线性判别分析模型训练，获取域外概率线性判别分析模型；

目标模型获取模块，用于基于所述域内声纹特征对所述域外概率线性判别分析模型进行自适应训练，获取目标概率线性判别分析模型。

8.一种语音识别装置，其特征在于，包括：

待测声纹特征获取模块，用于采用通用背景模型对待测语音数据进行特征提取，获取待测声纹特征，所述待测声纹特征携带用户标注；

注册声纹获取模块，用于基于所述用户标注获取对应的注册声纹特征；

似然概率获取模块，用于采用目标概率线性判别分析模型对所述待测声纹特征和所述注册声纹特征进行处理，获取似然概率，所述目标概率线性判别分析模型是采用权利要求

1-5任一项所述声纹模型训练方法获取到的；

概率大小判断模块，用于判断所述似然概率是否大于预设概率；

识别结果获取模块，用于在所述似然概率大于所述预设概率时，确定所述待测声纹特征和所述注册声纹特征对应同一说话人，并输出识别结果。

9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述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5任一项所述声纹模型训练方法的步骤；或者，所述处理器执行所述计算机程序时实现如权利要求6所述语音识别方法的步骤。

10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至5任一项所述声纹模型训练方法的步骤；或者，所述处理器执行所述计算机程序时实现如权利要求6所述语音识别方法的步骤。