声纹识别技术的机会和挑战

随着科技的发展，尤其是生物科技的不断发展并逐渐广泛应用，包括人脸、指纹、掌纹、声纹等生物特征类证据已成为公安和司法机关破案侦查的重要证据之一，在热播的《人民的名义》中，声音就成了调查原汉东省检察院反贪局局长陈海车祸案件的重要线索。

在众多生物识别技术中，除了早已使用多年的指纹识别、虹膜识别，近期兴起的人脸识别技术被用于公司打卡、软件系统登录、家庭或公共场所的安防等多个场景，而语音识别技术的用途更是广泛，机器人、智能家居产品、无人车等等。

随着相关算法的精进，以上生物识别技术的准确率已经可以与人类相媲美。而在这些识别技术愈加成熟之时，越来越多的人将目光放在另外一种生物识别技术上--声纹识别。

什么是声纹识别技术？

声纹识别，也称作说话人识别，是一种通过声音判别说话人身份的技术。人在讲话时使用的发声器官舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异，因而声纹具有唯一性。

根据不同的应用场景，声纹识别可分为说话人辨识(SpeakerIdentification，SI)和说话人确认(SpeakerVerification，SV)。SI指的是我们有了一段待测的语音，需要将这段语音与我们已知的一个集合内的一干说话人进行比对，选取最匹配的那个说话人，是一个1对多的判别问题；SV指的是我们有了一段未知的语音，紧接着判断这段语音是否来源于这个目标用户即可，是一个1对1的二分类问题。

声纹识别的应用及成果

在应用上，声纹识别更大的应用前景在于安防领域，比如刑侦破案、门禁、银行交易等等。此外，在智能家居等领域，为了安全，也为了更好的智能体验，比如在人声鼎沸情境中准确识别哪句话是主人下达的命令等，声纹识别技术也就渐渐受到了重视。

当前，在声纹识别需求渐增的情况下，专注于声纹识别的企业也有不少，并已取得了不错的成果。比如国外的Nuance、VoiceVault、Voice Biometrics、PhoneFactor,或是国内的科大讯飞、中科信利、厦门天聪、上海电虹等公司。

以科大讯飞为例，此前，在锤子手机的发布会上，罗永浩成功的为科大讯飞做了一次PR，一时间，科大讯飞的语音识别技术受到了人们更多的关注。作为同属于语音技术的"兄弟"，声纹技术也是科大讯飞的关注领域，并已研究多年。在2015年，依托于声纹识别、人脸识别技术，科大讯飞构建了业界首个统一生物认证系统，用人脸识别补充声纹识别的不稳定性，进一步的提高了安全性，并在金融、保险等领域启动了大规模的应用推广。

声纹识别的优势与挑战

声纹识别的主要任务包括：语音信号处理、声纹特征提取、声纹建模、声纹比对、判别决策等。

相对于其他生物识别技术，在安全性上，声纹识别的唯一性不说排第一，但也是名列前茅的，纵然模仿声音类似，但也是能够分辨的出来的。除了更高的安全指数，与其他生物识别技术相比，声纹识别还有着其他的优势 ：

1、蕴含声纹特征的语音获取方便、自然；2、获取语音的成本低廉，使用简单，像麦克风、通讯设备等皆可；3、适合远程身份确认；4、声纹辨认和确认的算法复杂度低；5、配合一些其他措施，如通过语音识别进行内容鉴别等，可以提高准确率；

不过，纵然有着这么多的优势，但在实际操作中，声纹识别却面临着重大的挑战：

1、如何建立声纹库和特征 ：从理论上讲，声纹的获取是极其容易的，但这仅仅是针对国家相关机构，如目前声纹库最全的公安。对企业而言，所有的声纹数据都需要他们自行采集，这是一件相当具有难度的任务。另外，在数据不全面的情形之下，声纹特征的提取和建立也就受到了阻碍，从而就难以训练声纹识别的机器学习算法，以提高识别的准确率。

2、如何降低内外环境对于声纹的影响 ：目前，人们对声纹识别的要求已经不仅仅满足于静态检测，更多的是动态检测。在外部环境中，首先，声音是通过录音设备进行采集的，不同的型号的录音设备对语音都会造成一定程度上的畸变，同时由于背景环境和传输信道等的差异，对语音信息也会造成不同程度的损伤。这些情况的出现为声纹识别增添了不少的问题。比如外部环境的影响，哪怕是如今发展较为完善、已经实现落地的语音识别技术，降噪以及去混响方面也依然是其运行中的一大难题。

此外，在内部环境中，对于同一个用户，即便采集到的两段语音内容都是相同的，但由于情绪、语速、疲劳程度等原因，语音都会有一些差异性。在这方面，小伙伴就曾做过实验，以不同的嗓音、速度唤醒iPhone 7中的Siri，结果