互联网上的听风者，声纹识别的魔力

在这个移动互联网大行其道的年代，人们不用互相见面就可以完成很多事情，比如社交、购物、出行、金融交易等等，但是如何验证身份变成了人和人在不见面的情况下最难的事情。现如今，已经抛却传统的解决方案——密码或者秘钥，迎来生物识别时代，而声纹识别正是其中的“听风者”。

1、声纹识别是什么？

声纹识别，我想这个翻译的名字是受到指纹识别的启发的。我们知道每个人的指纹都不一样，有研究说就连同卵双胞胎他们的指纹也不尽相同。顾名思义，声纹也就是一个人的声音就像指纹一样具有个体差异性，是某个人独特的生物属性的一种。

那具体声音的不同来自于哪里呢？最基本的来源是每个人的声道，这是有区别的。例如有些人的声带厚，有的人的声带薄。发出同样的短语或字的时候，声音是不一样的。当然声道不只是含有声带，还包含了口腔、舌头、鼻腔等一个整的连同管道。这是为什么我们的声音有不同的基础音。另外，人们的思维也不一样，在表达同一个意思时，选词造句因人而异。语气语调、说话快慢都对一个人的声纹有所贡献。

2、声纹识别的使用

声纹的应用是场景还是不少的。在银行领域中，声纹是很好的一个biometrics，因为语音是很自然的交流工具。在日本，有些ATM机上开始装有声纹识别的装置用来辅助判别取钱人的生物身份。在苹果的siri中也加入了声纹识别的模块，只有你的声音才能唤醒siri，其他人很难或是无法唤醒她。

在最近很火的智能音响中，声纹识别在其中的应用可见一斑。

作为打开智能操控领域的钥匙，语音识别是其中的关键，智能助理的基础来自于声波的识别。在人工智能时代，各大互联网企业极力争夺着每个人家里的钥匙，采用不同的方式推出语音助理的载体，这些都是在商业上的用途。另外，在法庭上或破案中，声纹也能帮上忙，我们将在后续为您详细介绍。

3、“听风者”的难题

多人同时识别

当然声纹还无法像指纹一样有那么高的辨识率，它还只适用在低安全性的场景或是其他biometrics的一种辅助方法。现在的声纹识别能够做到多人的同时识别吗？比如一个场景有一群人，可以识别区分出有哪些人或者人数吗？

来自北京林业大学信息学院人工智能研究所的柯登峰老师认为：在技术层面上，目前声纹识别无法做到多人同时识别的，因为会产生遗漏和误识，准确率没有达到应用的标准。如果只是简单的声纹区分是可以做到的，因为不同人说话的声纹还是不一样的，采用现在的技术手段完全可以区分出来。

但是多人识别目前无法完成的原因，其中一点是有的声音可能会被漏掉。声纹识别系统同人耳一样，存在掩蔽效应，强的声音会掩盖住弱的声音，当前语音识别的声学模型也无法很好的解决。

黑客防范

关于防范黑客的问题，北京林大信息学院人工智能研究所的王岩博士认为：数据库的选择是声纹识别必须执行的步骤，采样数据的真实性，一定是黑客攻击的大问题。但是声纹识别的现状是，保证数据的完整性的这方面都还没做到。实际上，我们采集的数据，特征提取，语音激活检验，标签标注，等数据准确性也难以保证。如果黑客从数据库上入侵，深度学习研究人员目前还无法找到应对方法。

风险防控

在现行的系统中，声音模仿、语音合成都无法对声纹识别系统进行入侵，因为系统可以轻易分辨，语音包含的诸多参数中，哪怕能合成对中间的一两种，也无法全部合成正确。模型语音进行入侵是非常难的。

但是还有一种入侵方法：录音重放。这个问题目前在风险防控领域还是存在安全隐患的。虽然录音-拼接-重放会对原录音产生影响，但系统的检测率不能达到100%。这就迫切急需一种新的检测解决方案。

北京林业大学信息学院人工智能研究所，致力于采用人工智能的研究方式，将深度学习应用在声纹识别领域中。目前已取得了突破性的进展，不仅能提升声纹识别的识别系统性能，还能提高声纹识别的精确度。

AI-Union联盟成员

北京林业大学信息学院

人工智能研究所

北京林业大学信息学院于2001年成立，其历史可以追溯到1984年成立的计算中心和1986年成立的国内第一个林业信息管理专业，是一个发展迅速、年轻而有朝气的学院。学院秉承“结构、特色、质量、创新”的八字方针，紧随国家战略脚步，全面部署人工智能各领域研究。本系列内容由北京林业大学信息学院柯登峰老师，王岩博士等研究员提供指导。

后续来自联盟的专家学者将为您分享研究成果的各项解读，千万不要错过哦！

如果你对声波识别有想了解的内容，欢迎留言告诉我们，来自联盟的学者将您带来最专业的解读。