声纹识别在智能家居中备受青睐，但还面临一些“困扰”

近日，根据调查机构CIRP的报告显示,亚马逊在2014年11月推出的Echo系列智能音箱产品在美销量已突破510万台。并且，根据市场数据，CIRP推算2016年前九个月亚马逊就已经售出200万台Echo产品（包括Echo DotEcho Tap）。

看到亚马逊的智能音箱销量如此之好，我们都意识了智能家居语音控制系统的前景之利好。不过，即使当前的语音识别技术已经基本上达到了人们所需要的标准，在智能家居语音控制系统之中，仍然有一些瑕疵的存在，比如在人声嘈杂的环境里，如何正确识别出用户发出的命令。

出于需求，声纹识别是智能家居的一个补充

当前，尽管智能家居语音控制系统已经满足了人们的基本需求，不过，仍然有一些小小的不足，而这方面，就需要声纹识别技术进行补充了。

借助声纹识别，进一步提升用户体验。以智能音箱为例，为了更好的进行定位、捕捉声音、以及降低无关噪音的影响，开发者们会采用多麦克风的形式，不过，一旦处于人声鼎沸的环境之中，智能音响的语音识别系统极有可能“罢工”，因为它很难从众多声音中准确的识别出下命令的用户。

在智能家居之中，大多家庭往往只买一个智能音箱。打个比方，当声纹识别技术发展较为成熟之时，若一位家庭成员呼唤音箱打开自己房间的灯，语音控制系统就能通过声纹识别技术确认说话人的身份，从而准确的打开说话人房间的灯。由此，在体验上，不管是从众多人声中准确辨认用户，还是确认说话人的身份，声纹识别都能让用户体验进一步的提升。

搭载声纹识别，提高家庭安全指数。由于不能确认说话人的身份，只要条件允许，当非用户下达命令之时，语音控制系统极有可能会执行。

举个例子，有人非法入侵住宅，若语音控制系统不限制说话人的身份，纵然有着智能监控系统，闯入者完全可以直接下命令关闭监控系统，如此一来，闯入者就成功的得到了住宅的临时控制权。当搭载声纹识别技术，基于声纹的独特性，再不能识别出闯入者身份的前提下，语音控制系统就能接着进行报警等一系列安防措施。

备受青睐，声纹识别仍有“困扰”

如今，在智能家居领域，语言识别已经充分的体现了自己的价值，紧接着，随着语音识别热潮的过去，声纹识别又成为了新的热门，被称为智能家居未来发展的关键，或是语音交互的下一个风口。且不论它在智能家居领域的未来发展如何，就目前而言，其想在智能家居领域真正落地，还需解决一些困扰。

首先是声纹的采集和特征的建立。不管是人工识别，还是依靠深度学习算法进行自动化识别，声纹库的建立都是进行一切行动的前提。当前，公安的声纹鉴别库应该是最全的，不过，企业要想研究声纹识别，从公安处入手显然行不通，因而，声纹库的建立就依赖于企业自行收集，这是一件相当艰难的任务。

不同于人类的双耳，机器的识别都是在数以百万、千万计的数据训练中不断改善的，可以说，如果没有足够的数据支持，就没有如今的语音识别等人工智能技术的突破。对于企业而言，想要训练声纹识别算法，他们所需的不仅仅是语音数据，还需要特征多样化的语音数据，像方言、口音等等，如此才能全方面的对声纹识别算法进行训练。

除了声纹的采集，声纹特征的建立也是当前声纹识别进展的一个难题。理论上来讲，声纹就像指纹一样，很少会有两个人具有相同的声纹特征。虽说如此，但正如双胞胎一般，有些声纹极其相似，可能只存在一丢丢的差异，这时，找出特征就成了一件相当具有难度的事。当然，你或许会说这部分可以由计算机完成，的确，依计算机的运算速度，该工作的完成还是相当不费吹灰之力的。不过，在特征建立工作中，这里又再次回到了上一个话题，没有充足的声纹库，又如何建立足够的声纹特征？

其次，除了声纹的采集和特征的建立，如何准确识别说话人也是当前一个急需解决的问题。不仅仅是静态检测，现在的声纹识别更多的是被要求进行实时动态监测，因而，说话环境、说话人身体状况、情绪变化等都能对声纹识别的结果造成影响。

以说话人本身的状况为例，用iPhone 7上Siri的声纹识别做实验，在提前保存声纹数据的基础上，镁客君的小伙伴分别以正常、加粗、尖细的声音唤醒Siri，结果证明，只有正常的语音状态下，Siri才能被唤醒，其他则是毫无反应。对照该结果，我们可以总结，只要说话人的声音出现状况，比如沙哑、情绪化等等，声纹识别系统就不能将之与库中的声纹对上号，从而不能确认说话人的身份。

正如当前人们所言，在语音识别之后，声纹识别成了智能家居的又一个关注点。然而，声纹库、特征的建立以及提高准确率也不是一朝一夕可以完成的，就比如语音识别，纵然准确率已经接近百分之百，但若周遭环境嘈杂，其准确率就差强人意了。因而，在智能家居领域内备受青睐的声纹识别，其距离应用的日子还有一段路要走！