了解優(yōu)勢與挑戰 打好“聲紋識別”這張牌

　　隨著(zhù)科技的發(fā)展，尤其是生物科技的不斷發(fā)展并逐漸廣泛應用，包括人臉、指紋、掌紋、聲紋等生物特征類(lèi)證據已成為公安和司法機關(guān)破案偵查的重要證據之一，在熱播的《人民的名義》中，聲音就成了調查原漢東省檢察院反貪局局長(cháng)陳海車(chē)禍案件的重要線(xiàn)索。

　　在眾多生物識別技術(shù)中，除了早已使用多年的指紋識別、虹膜識別，近期興起的人臉識別技術(shù)被用于公司打卡、軟件系統登錄、家庭或公共場(chǎng)所的安防等多個(gè)場(chǎng)景，而語(yǔ)音識別技術(shù)的用途更是廣泛，機器人、智能家居產(chǎn)品、無(wú)人車(chē)等等。

　　隨著(zhù)相關(guān)算法的精進(jìn)，以上生物識別技術(shù)的準確率已經(jīng)可以與人類(lèi)相媲美。而在這些識別技術(shù)愈加成熟之時(shí)，越來(lái)越多的人將目光放在另外一種生物識別技術(shù)上——聲紋識別。

　　什么是聲紋識別技術(shù)?

　　聲紋識別，也稱(chēng)作說(shuō)話(huà)人識別，是一種通過(guò)聲音判別說(shuō)話(huà)人身份的技術(shù)。人在講話(huà)時(shí)使用的發(fā)聲器官舌、牙齒、喉頭、肺、鼻腔在尺寸和形態(tài)方面每個(gè)人的差異很大，所以任何兩個(gè)人的聲紋圖譜都有差異，因而聲紋具有唯一性。

　　根據不同的應用場(chǎng)景，聲紋識別可分為說(shuō)話(huà)人辨識(SpeakerIdentification，SI)和說(shuō)話(huà)人確認(SpeakerVerification，SV)。SI指的是我們有了一段待測的語(yǔ)音，需要將這段語(yǔ)音與我們已知的一個(gè)集合內的一干說(shuō)話(huà)人進(jìn)行比對，選取最匹配的那個(gè)說(shuō)話(huà)人，是一個(gè)1對多的判別問(wèn)題;SV指的是我們有了一段未知的語(yǔ)音，緊接著(zhù)判斷這段語(yǔ)音是否來(lái)源于這個(gè)目標用戶(hù)即可，是一個(gè)1對1的二分類(lèi)問(wèn)題。

　　聲紋識別的應用及成果

　　在應用上，聲紋識別更大的應用前景在于安防領(lǐng)域，比如刑偵破案、門(mén)禁、銀行交易等等。此外，在智能家居等領(lǐng)域，為了安全，也為了更好的智能體驗，比如在人聲鼎沸情境中準確識別哪句話(huà)是主人下達的命令等，聲紋識別技術(shù)也就漸漸受到了重視。

　　當前，在聲紋識別需求漸增的情況下，專(zhuān)注于聲紋識別的企業(yè)也有不少，并已取得了不錯的成果。比如國外的Nuance、VoiceVault、Voice Biometrics、PhoneFactor,或是國內的科大訊飛、中科信利、廈門(mén)天聰、上海電虹等公司。

　　以科大訊飛為例，此前，在錘子手機的發(fā)布會(huì )上，羅永浩成功的為科大訊飛做了一次PR，一時(shí)間，科大訊飛的語(yǔ)音識別技術(shù)受到了人們更多的關(guān)注。作為同屬于語(yǔ)音技術(shù)的“兄弟”，聲紋技術(shù)也是科大訊飛的關(guān)注領(lǐng)域，并已研究多年。在2015年，依托于聲紋識別、人臉識別技術(shù)，科大訊飛構建了業(yè)界首個(gè)統一生物認證系統，用人臉識別補充聲紋識別的不穩定性，進(jìn)一步的提高了安全性，并在金融、保險等領(lǐng)域啟動(dòng)了大規模的應用推廣。

　　聲紋識別的優(yōu)勢與挑戰

　　聲紋識別的主要任務(wù)包括：語(yǔ)音信號處理、聲紋特征提取、聲紋建模、聲紋比對、判別決策等。

　　相對于其他生物識別技術(shù)，在安全性上，聲紋識別的唯一性不說(shuō)排第一，但也是名列前茅的，縱然模仿聲音類(lèi)似，但也是能夠分辨的出來(lái)的。除了更高的安全指數，與其他生物識別技術(shù)相比，聲紋識別還有著(zhù)其他的優(yōu)勢 ：

　　1、蘊含聲紋特征的語(yǔ)音獲取方便、自然;2、獲取語(yǔ)音的成本低廉，使用簡(jiǎn)單，像麥克風(fēng)、通訊設備等皆可;3、適合遠程身份確認;4、聲紋辨認和確認的算法復雜度低;5、配合一些其他措施，如通過(guò)語(yǔ)音識別進(jìn)行內容鑒別等，可以提高準確率;

　　不過(guò)，縱然有著(zhù)這么多的優(yōu)勢，但在實(shí)際操作中，聲紋識別卻面臨著(zhù)重大的挑戰：

　　1、如何建立聲紋庫和特征 ：從理論上講，聲紋的獲取是極其容易的，但這僅僅是針對國家相關(guān)機構，如目前聲紋庫最全的公安。對企業(yè)而言，所有的聲紋數據都需要他們自行采集，這是一件相當具有難度的任務(wù)。另外，在數據不全面的情形之下，聲紋特征的提取和建立也就受到了阻礙，從而就難以訓練聲紋識別的機器學(xué)習算法，以提高識別的準確率。

　　2、如何降低內外環(huán)境對于聲紋的影響 ：目前，人們對聲紋識別的要求已經(jīng)不僅僅滿(mǎn)足于靜態(tài)檢測，更多的是動(dòng)態(tài)檢測。在外部環(huán)境中，首先，聲音是通過(guò)錄音設備進(jìn)行采集的，不同的型號的錄音設備對語(yǔ)音都會(huì )造成一定程度上的畸變，同時(shí)由于背景環(huán)境和傳輸信道等的差異，對語(yǔ)音信息也會(huì )造成不同程度的損傷。這些情況的出現為聲紋識別增添了不少的問(wèn)題。比如外部環(huán)境的影響，哪怕是如今發(fā)展較為完善、已經(jīng)實(shí)現落地的語(yǔ)音識別技術(shù)，降噪以及去混響方面也依然是其運行中的一大難題。

　　此外，在內部環(huán)境中，對于同一個(gè)用戶(hù)，即便采集到的兩段語(yǔ)音內容都是相同的，但由于情緒、語(yǔ)速、疲勞程度等原因，語(yǔ)音都會(huì )有一些差異性。在這方面，小伙伴就曾做過(guò)實(shí)驗，以不同的嗓音、速度喚醒iPhone 7中的Siri，結果顯示，只有與提前錄制的語(yǔ)音同樣的嗓音、速度才能成功喚醒。