聲音的模仿會(huì)影響聲紋識(shí)別嗎

配音演員模仿其他人的聲音，雖然聽(tīng)覺(jué)上相似，但也無(wú)法模仿說(shuō)話(huà)者最本質(zhì)的特性。從聲紋特征分析上還是會(huì)有差異。

繼“刷臉”之后 聲紋識(shí)別也已進(jìn)入我們的生活。近日，平安科技和金融壹賬通聯(lián)合項(xiàng)目組與廣發(fā)銀行簽署了聲紋核身項(xiàng)目，將在銀行預(yù)防欺詐、提供優(yōu)質(zhì)服務(wù)方面發(fā)揮作用。此前，市場(chǎng)監(jiān)管總局、人民銀行兩部委發(fā)文，決定將支付技術(shù)產(chǎn)品認(rèn)證擴(kuò)展為金融科技產(chǎn)品認(rèn)證，并確定了《金融科技產(chǎn)品認(rèn)證目錄（第一批）》，該認(rèn)證目錄中也包括聲紋識(shí)別系統(tǒng)。

那么，什么是聲紋？它會(huì)被模仿導(dǎo)致識(shí)別設(shè)備誤判嗎？

頻譜、韻律、語(yǔ)言特征均有差異 聲紋具有唯一性和獨(dú)特性

聲紋是生物識(shí)別特征的一種，是在說(shuō)話(huà)人發(fā)聲時(shí)提取出來(lái)的，可以作為說(shuō)話(huà)人的表征和標(biāo)識(shí)，能與其他人相互區(qū)別的語(yǔ)音特征，以及基于這些特征或參數(shù)所建立的語(yǔ)音模型的總稱(chēng)。聲紋識(shí)別又稱(chēng)為說(shuō)話(huà)人識(shí)別，是從說(shuō)話(huà)人發(fā)出的聲音頻譜圖中提取身份特征信息和聲紋特征，再把聲信號(hào)轉(zhuǎn)換成電信號(hào)，用計(jì)算機(jī)通過(guò)相關(guān)算法進(jìn)行比對(duì)識(shí)別的技術(shù)。

清華大學(xué)信息技術(shù)研究院教授鄭方說(shuō)，語(yǔ)音信號(hào)之所以被形容為“形簡(jiǎn)意豐”，是因?yàn)槁曇舭袃?nèi)容、身份、情感、年齡及健康狀況等豐富的信息。再加上人類(lèi)語(yǔ)言的產(chǎn)生要經(jīng)過(guò)人體語(yǔ)言中樞與發(fā)音器官間復(fù)雜的生理物理過(guò)程，理論上說(shuō)，每個(gè)人說(shuō)話(huà)時(shí)的短時(shí)頻譜、聲源、時(shí)序動(dòng)態(tài)、韻律、語(yǔ)言學(xué)特征等都有差異。因此，聲紋就像指紋一樣具有唯一性和獨(dú)特性。

與人臉、指紋和虹膜識(shí)別相比，聲紋識(shí)別有著諸多優(yōu)勢(shì)，比如聲紋語(yǔ)料收集方式自然，無(wú)須進(jìn)行眨眼、擺動(dòng)臉部等特定動(dòng)作，不受光線(xiàn)或隱私等特定場(chǎng)景的約束，人們接受度更高；聲紋識(shí)別可以隨機(jī)改變朗讀內(nèi)容，即便曾在網(wǎng)上或其他地方留下語(yǔ)音信息，也不易被復(fù)制或盜用?！氨蛔R(shí)別人不需要近距離接觸識(shí)別設(shè)備，聲紋可以通過(guò)電話(huà)、APP等渠道傳達(dá)語(yǔ)音到后臺(tái)進(jìn)行識(shí)別，并且可以在用戶(hù)語(yǔ)音對(duì)話(huà)過(guò)程中自動(dòng)完成識(shí)別，使用成本低而且方便快捷。”平安科技聲紋領(lǐng)域?qū)＜腋嬖V科技日?qǐng)?bào)記者。

聽(tīng)起來(lái)相似不等于聲紋相似 聲紋識(shí)別準(zhǔn)確率已超過(guò)99%

登錄手機(jī)銀行APP，開(kāi)啟聲紋驗(yàn)證，用戶(hù)只要準(zhǔn)確說(shuō)出隨機(jī)動(dòng)態(tài)碼，系統(tǒng)錄制語(yǔ)音信息、驗(yàn)證聲紋及隨機(jī)動(dòng)態(tài)碼后，就能進(jìn)行轉(zhuǎn)賬、支付等交易……目前，聲紋識(shí)別已經(jīng)在部分銀行開(kāi)始使用了。

不過(guò)，生活中聲音相似的人有很多，有些配音演員還可以模仿他人的聲音，用聲紋作為金融產(chǎn)品認(rèn)證會(huì)不會(huì)很不安全？對(duì)此，平安科技聲紋專(zhuān)家解釋說(shuō)，總體來(lái)說(shuō)，聲紋是穩(wěn)定的生物特征。除了人一生中的某些年齡段如少年變聲期，聲紋可能會(huì)有所變化，大多數(shù)情況下聲紋特征是穩(wěn)定的。

由于每個(gè)人在說(shuō)話(huà)時(shí)使用的發(fā)聲器官，如舌頭、牙齒、口腔、聲帶、肺、鼻腔等在尺寸和形態(tài)方面有所差異，以及年齡、性格、語(yǔ)言習(xí)慣等多種原因，在發(fā)音時(shí)千姿百態(tài)，導(dǎo)致這些器官每個(gè)人發(fā)出的聲音必然有著各自的特點(diǎn)。特別是，每個(gè)人在說(shuō)話(huà)過(guò)程中所蘊(yùn)含的個(gè)性特征，如發(fā)音習(xí)慣等幾乎是獨(dú)一無(wú)二的，就算被模仿，也改變不了說(shuō)話(huà)者最本質(zhì)的特性。

“因此，配音演員模仿其他人的聲音，雖然聽(tīng)覺(jué)上相似，但也無(wú)法模仿說(shuō)話(huà)者最本質(zhì)的特性。從聲紋特征分析上還是會(huì)有差異，是可以區(qū)別開(kāi)來(lái)的?！?/p>

根據(jù)測(cè)算結(jié)果，公安部發(fā)布《GA/T 1179-2014安防聲紋確認(rèn)應(yīng)用算法技術(shù)要求和測(cè)試方法》標(biāo)準(zhǔn)，聲紋科技產(chǎn)品依據(jù)該標(biāo)準(zhǔn)進(jìn)行數(shù)據(jù)采集。目前，用戶(hù)如果按照事先指定的文本讀出內(nèi)容，聲紋識(shí)別準(zhǔn)確率已達(dá)99.8%；如不照讀事先指定的文本內(nèi)容而隨意發(fā)聲，聲紋識(shí)別準(zhǔn)確率也能達(dá)到99.1%。“雖然準(zhǔn)確率不低，但還是存在誤判的可能，在設(shè)計(jì)使用場(chǎng)景和流程時(shí)，需要考慮到聲紋識(shí)別并非100%準(zhǔn)確率的現(xiàn)實(shí)?！逼桨部萍悸暭y專(zhuān)家說(shuō)，聲紋作為金融產(chǎn)品的認(rèn)證，需要看具體場(chǎng)景。對(duì)于輔助核實(shí)身份、名單識(shí)別、防欺詐、聲紋鎖登錄等場(chǎng)景使用是合適的；但在大額支付類(lèi)的場(chǎng)景中，如果將聲紋作為唯一的認(rèn)證手段，就需要充分評(píng)估風(fēng)險(xiǎn)。

目前，除了金融領(lǐng)域外，聲紋正在進(jìn)入公共安全、智能家居、智慧教育、智能社區(qū)等行業(yè)，并根據(jù)不同應(yīng)用場(chǎng)景的特點(diǎn)進(jìn)行針對(duì)性開(kāi)發(fā)。如冒領(lǐng)養(yǎng)老金的事件時(shí)有發(fā)生，如果要求高齡老人必須親臨現(xiàn)場(chǎng)驗(yàn)明正身才能領(lǐng)取養(yǎng)老金，又會(huì)非常不便。聲紋確認(rèn)技術(shù)具有遠(yuǎn)程操控屬性，社保局通過(guò)預(yù)裝聲紋身份認(rèn)證系統(tǒng)，就可對(duì)領(lǐng)養(yǎng)老金者開(kāi)展遠(yuǎn)程身份認(rèn)證，實(shí)現(xiàn)“信息多跑路，群眾少跑腿”。目前，貴州省黔東南州等地正在開(kāi)展相關(guān)試點(diǎn)。

聲紋識(shí)別技術(shù)發(fā)展“三步走”

以語(yǔ)音作為身份認(rèn)證的手段，最早可追溯到17世紀(jì)60年代英國(guó)查爾斯一世之死的案件審判中。1966年，美國(guó)法院第一次采用聲紋進(jìn)行取證。隨著研究手段和計(jì)算機(jī)技術(shù)的不斷進(jìn)步，聲紋識(shí)別逐步由單純的人耳聽(tīng)辨，轉(zhuǎn)向基于計(jì)算機(jī)的自動(dòng)識(shí)別。

聲紋識(shí)別技術(shù)發(fā)展大致可以分為3個(gè)階段：第一階段，基于模板匹配的方法。像人臉一樣，聲紋要先做注冊(cè)，再做驗(yàn)證，注冊(cè)時(shí)說(shuō)的內(nèi)容要和驗(yàn)證時(shí)是一樣的。比如注冊(cè)時(shí)說(shuō)了“密碼”二字，驗(yàn)證時(shí)也必須說(shuō)“密碼”，這相當(dāng)于驗(yàn)證時(shí)被限制了，只是比較這兩個(gè)聲音像不像；第二階段，2000年開(kāi)始的基于概率模型研究。如有的人說(shuō)話(huà)快，有的人說(shuō)話(huà)慢，聲音是有時(shí)間長(zhǎng)度的，要把可變長(zhǎng)度的向量變成物理程度，這是基于高斯模型概率統(tǒng)計(jì)的，這時(shí)的聲紋識(shí)別準(zhǔn)確性會(huì)受到噪聲、干擾等影響；第三階段，2012年左右開(kāi)始，深度學(xué)習(xí)給人工智能發(fā)展帶來(lái)了巨大的影響，同樣也快速推動(dòng)了聲紋識(shí)別的發(fā)展。