1.一种模型库建立方法，其特征在于，包括：

获取训练样本集，所述训练样本集包括至少两个原始语音数据；

若所述训练样本集中原始语音数据的样本数量大于预设阈值，则根据所述原始语音数据提取的训练语音特征建立当前分级模型，将所述当前分级模型存储在分级模型库中，并确定所述分级模型库中的模型分级逻辑，根据模型分级逻辑将所述原始语音数据按数量划分成至少两个当前训练子集；其中，当前分级模型是将属于同一集合的多个原始语音数据对应的训练语音特征投影到低维的总体变化子空间，获取的一个固定长度的矢量表征，用以表示属于该集合的多个原始语音数据对应的语音模型；所述分级模型库是按照模型分级逻辑存储各个分级模型的数据库；模型分级逻辑是将每个分级模型保存到按树状结构建立的分级模型库中对应位置的节点上；

若所述当前训练子集的样本数量大于所述预设阈值，将所述当前训练子集更新为所述训练样本集；

若所述当前训练子集的样本数量不大于所述预设阈值，则将所述当前训练子集确定为识别数据集，并将所述识别数据集存储在分级模型库中；

其中，所述根据所述原始语音数据提取的训练语音特征建立当前分级模型，包括：对所述原始语音数据进行特征提取，获取训练语音特征；

采用简化模型算法对所述训练语音特征进行简化处理，获取简化语音特征；

采用最大期望算法迭代所述简化语音特征，获取总体变化子空间；

将所述简化语音特征投影到所述总体变化子空间，获取所述当前分级模型。

2.如权利要求1所述的模型库建立方法，其特征在于，所述获取训练样本集的步骤之前，所述模型库建立方法还包括：采用树状结构创建分级模型库，所述树状结构包括一个根节点和与所述根节点关联的至少两个子节点；

所述将所述当前分级模型存储在分级模型库中，并确定所述分级模型库中的模型分级逻辑，包括：将所述当前分级模型存储在所述树状结构的子节点上，根据所述当前分级模型在所述树状结构的存储位置确定模型分级逻辑。

3.如权利要求2所述模型库建立方法，其特征在于，所述采用简化模型算法简化处理所述训练语音特征，获取简化语音特征，包括：采用高斯滤波器处理所述训练语音特征，获取对应的二维正态分布；

采用简化模型算法简化所述二维正态分布，获取简化语音特征。

4.如权利要求1所述的模型库建立方法，其特征在于，所述在将所述当前训练子集确定为识别数据集，并将所述识别数据集存储在分级模型库中的步骤之后，所述模型库建立方法还包括：获取每一所述识别数据集中的原始语音数据和对应的说话人标识；

对所述原始语音数据进行特征提取，获取所述原始语音数据对应的原始语音特征；

关联存储所述原始语音特征和所述说话人标识到所述识别数据集中。

5.一种语音识别方法，其特征在于，包括：

获取待测语音数据，提取所述待测语音数据对应的待测语音特征；

依据分级模型库中的模型分级逻辑和当前分级模型对所述待测语音特征进行处理，确定目标节点；其中，当前分级模型是将属于同一集合的多个原始语音数据对应的训练语音特征投影到低维的总体变化子空间，获取的一个固定长度的矢量表征，用以表示属于该集合的多个原始语音数据对应的语音模型；所述分级模型库是按照模型分级逻辑存储各个分级模型的数据库；模型分级逻辑是将每个分级模型保存到按树状结构建立的分级模型库中对应位置的节点上；目标节点就是将待测语音数据按依据分级模型库中的模型分级逻辑和当前分级模型对待测语音特征进行处理，从分级模型库形成的树状结构的根节点不断向下关联查找，直至查找到没有后驱节点的叶节点作为目标节点；

将与所述目标节点相对应的识别数据集作为目标数据集，所述目标数据集中的每一原始语音数据携带一说话人标识；识别数据集是与分级模型库形成的树状结构的一叶节点关联存储，且该数据集中原始语音数据的数量未超过预设阈值的集合；

获取待测语音特征和目标数据集中的每一原始语音特征的空间距离，确定与所述待测语音数据相对应的目标说话人标识。

6.一种模型库建立装置，其特征在于，包括：

获取训练样本集模块，用于获取训练样本集，所述训练样本集包括至少两个原始语音数据；

存储分级模型模块，用于若所述训练样本集中原始语音数据的样本数量大于预设阈值，则根据所述原始语音数据提取的训练语音特征建立当前分级模型，将所述当前分级模型存储在分级模型库中，并确定所述分级模型库中的模型分级逻辑，根据模型分级逻辑将所述原始语音数据按数量划分成至少两个当前训练子集；其中，当前分级模型是将属于同一集合的多个原始语音数据对应的训练语音特征投影到低维的总体变化子空间，获取的一个固定长度的矢量表征，用以表示属于该集合的多个原始语音数据对应的语音模型；所述分级模型库是按照模型分级逻辑存储各个分级模型的数据库；模型分级逻辑是将每个分级模型保存到按树状结构建立的分级模型库中对应位置的节点上；

更新训练样本集模块，用于若所述当前训练子集的样本数量大于所述预设阈值，将所述当前训练子集更新为所述训练样本集；

确定识别数据集模块，用于若所述当前训练子集的样本数量不大于所述预设阈值，则将所述当前训练子集确定为识别数据集，并将所述识别数据集存储在分级模型库中；

其中，所述根据所述原始语音数据提取的训练语音特征建立当前分级模型，包括：对所述原始语音数据进行特征提取，获取训练语音特征；

采用简化模型算法对所述训练语音特征进行简化处理，获取简化语音特征；

采用最大期望算法迭代所述简化语音特征，获取总体变化子空间；

将所述简化语音特征投影到所述总体变化子空间，获取所述当前分级模型。

7.一种语音识别装置，其特征在于，包括：

获取测试语音模块，用于获取待测语音数据，提取所述待测语音数据对应的待测语音特征；

确定目标模型模块，用于依据分级模型库中的模型分级逻辑和当前分级模型对所述待测语音特征进行处理，确定目标节点；其中，当前分级模型是将属于同一集合的多个原始语音数据对应的训练语音特征投影到低维的总体变化子空间，获取的一个固定长度的矢量表征，用以表示属于该集合的多个原始语音数据对应的语音模型；所述分级模型库是按照模型分级逻辑存储各个分级模型的数据库；模型分级逻辑是将每个分级模型保存到按树状结构建立的分级模型库中对应位置的节点上；目标节点就是将待测语音数据按依据分级模型库中的模型分级逻辑和当前分级模型对待测语音特征进行处理，从分级模型库形成的树状结构的根节点不断向下关联查找，直至查找到没有后驱节点的叶节点作为目标节点；

对应识别数据集模块，用于将与所述目标节点相对应的识别数据集作为目标数据集，所述目标数据集中的每一原始语音数据携带一说话人标识；识别数据集是与分级模型库形成的树状结构的一叶节点关联存储，且该数据集中原始语音数据的数量未超过预设阈值的集合；

确定说话人标识模块，用于获取待测语音特征和目标数据集中的每一原始语音特征的空间距离，确定与所述待测语音数据相对应的目标说话人标识。

8.一种计算机设备，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

4任一项所述模型库建立方法，或者，所述处理器执行所述计算机程序时实现如权利要求5所述语音识别方法。

9.一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4任一项所述模型库建立方法，或者，所述处理器执行所述计算机程序时实现如权利要求5所述语音识别方法。