當(dāng)小編問起，生物識別最廣泛的兩大技術(shù)是什么?相信很多人的回答都是指紋識別和人臉識別技術(shù)。相比于指紋識別和人臉識別技術(shù)，聲紋識別技術(shù)的關(guān)注度就沒那么高了。
但是事實上，聲紋識別技術(shù)早已有之，而近幾年隨著深度學(xué)習(xí)推動語音AI技術(shù)的爆發(fā)，語音識別技術(shù)在智能手機和智能音箱市場被廣泛應(yīng)用，也開始推動了聲紋識別技術(shù)的應(yīng)用。
在聲揚科技首席科學(xué)家張偉彬博士看來，聲紋識別技術(shù)的發(fā)展可以分為三個階段：
第一階段，基于模板匹配的方法，像人臉一樣要先做注冊，再做驗證，注冊時您說的內(nèi)容要和驗證時是一樣的。注冊時要說“中華人民共和國，驗證時也要說中華人民共和國”。這就相當(dāng)于驗證時被限制了，只是比較這兩個聲音像不像。
第二階段，開始于2000年基于概率模型的研究，我們知道聲音有時間的長度，長度是可長可短，有的人說話快，有的人說話慢，首先我要把可變長度的向量變成物理程度，這是基于高斯模型概率統(tǒng)計的。識別率勉強達到95%的概率，95%在很多應(yīng)用場景是達不到的，因為需要考慮噪聲、干擾的影響。
第三階段，則是2012年左右深度學(xué)習(xí)在很多方面帶來爆發(fā)性的影響，其中在聲紋領(lǐng)域，最近比較大的事件是2017年X-Vector系統(tǒng)的提出，對聲紋識別帶來很大的提升。
“特別是近兩年，市場也對于聲紋識別有了比較強烈的需求，這一方面得益于聲紋識別技術(shù)的進一步成熟;另外一方面，在國家政策方面，去年10月左右央行發(fā)布了聲紋識別技術(shù)在移動金融上的應(yīng)用標(biāo)準(zhǔn)。這是在國家層面、政策層面承認聲紋識別技術(shù)達到大規(guī)模商業(yè)應(yīng)用的門檻，可以滿足金融等場景對高安全語音技術(shù)需求的應(yīng)用;第三個方面則是，近幾年國內(nèi)非接觸式犯罪比較猖獗，而聲紋識別技術(shù)可遠程通過聲音識別身份對此類犯罪案件的幫助極大。所以我們認為聲紋識別將是一個新風(fēng)的口。”張偉彬博士說到。
那么聲揚科技的聲紋識別技術(shù)又有著哪些優(yōu)勢呢?張偉彬博士表示，聲紋跟文本內(nèi)容、語言無關(guān)，所以技術(shù)上要做到跟語言、文本內(nèi)容無關(guān)是非常大的挑戰(zhàn)。就像人臉一樣，有了認證就有攻擊，聲紋識別除了模仿外，還有比較簡單的錄音播放，如何防止被攻擊也是非常大的挑戰(zhàn)。另外，早期聲紋識別注冊時，用戶需要說幾分鐘的語音，用戶體驗非常差。聲紋識別的應(yīng)用被嚴(yán)重限制了，而聲揚科技的技術(shù)克服了了這幾個技術(shù)難題，也在多個場景下實現(xiàn)了大型項目的落地。
“我們的優(yōu)勢在于，我們技術(shù)上不是只有聲紋識別，我們還做語音信號處理，如語音降噪，使得輸入聲紋識別系統(tǒng)的聲音更加干凈。另外我們有自己的語音識別技術(shù)，通過多種技術(shù)的組合可以打造成完整的符合客戶要求的解決方案。這是我們公司的競爭優(yōu)勢之一。”張偉彬博士總結(jié)到。
下載文檔
