人工智能（AI）推動(dòng)聲紋識(shí)別技術(shù)應(yīng)用落地

聲紋識(shí)別技術(shù)能夠在金融場(chǎng)景落地，與行業(yè)的積極擁抱并出臺(tái)相關(guān)標(biāo)準(zhǔn)有關(guān)——2018年中國人民銀行發(fā)布聲紋識(shí)別相關(guān)行業(yè)標(biāo)準(zhǔn)，2019年聲紋識(shí)別系統(tǒng)成為唯一一個(gè)入選金融科技產(chǎn)品認(rèn)證目錄的生物識(shí)別技術(shù)。

繼指紋、面部、虹膜之后，聲紋作為象征我們個(gè)人ID的一部分，也陸續(xù)開啟了商用大潮。

近日，中國工商銀行開始把聲紋識(shí)別技術(shù)應(yīng)用于信用卡反欺詐場(chǎng)景，在其位于北京、湖北、四川、山西的四家分行正式上線，在同業(yè)中率先開啟了風(fēng)險(xiǎn)管控的新模式。

聲紋識(shí)別從單純技術(shù)本身來說，在20世紀(jì)便有了相關(guān)研究和落地的探索，近年來，部分比較成熟的方案開始被境內(nèi)外一些銀行系統(tǒng)采用，那是聲紋識(shí)別技術(shù)應(yīng)用落地的初級(jí)階段。

真正走向成熟，核心還是依托于21世紀(jì)AI技術(shù)取得的突破。尤其是年初數(shù)月的疫情背景下，市場(chǎng)對(duì)這種非接觸且高準(zhǔn)確度的技術(shù)應(yīng)用需求突然放大甚至與日俱增。

據(jù)前瞻產(chǎn)業(yè)研究院分析，當(dāng)下全球生物識(shí)別產(chǎn)業(yè)規(guī)模龐大，僅語音生物識(shí)別（即聲紋識(shí)別）這一細(xì)分方向的市場(chǎng)規(guī)模2020年有望超過1400億元人民幣（約200億美元），占整個(gè)生物識(shí)別市場(chǎng)的22.4%。

聲揚(yáng)科技CTO陳東鵬向21世紀(jì)經(jīng)濟(jì)報(bào)道記者表示，未來隨著5G、大數(shù)據(jù)、云計(jì)算等新技術(shù)發(fā)展愈發(fā)成熟、語音的入口更普及，可利用的語音數(shù)據(jù)會(huì)越來越多。聲紋識(shí)別技術(shù)有望在金融、公安、智能硬件、IoT等領(lǐng)域中發(fā)揮越來越重要的作用。

逐層技術(shù)演進(jìn)

提到聲紋，很容易被理解為容易被模仿的聲線，其實(shí)二者不能等同。

有行業(yè)人士向記者分析道，聲紋很難被偽裝，因?yàn)槠渥R(shí)別的內(nèi)容主要包括聲帶振動(dòng)頻率、聲道等特征組成的語音模型，能被偽裝的只在于口頭禪等行為特征。

“每個(gè)人說話時(shí)的音調(diào)、音色等習(xí)慣幾乎獨(dú)一無二，這些信息通過電聲學(xué)儀器測(cè)量并分析，就構(gòu)成了不同的聲波頻譜，所以用聲紋來認(rèn)證身份具有唯一性和穩(wěn)定性?！彼m(xù)稱。

清華大學(xué)人工智能研究院聽覺智能研究中心發(fā)布的一份聲紋識(shí)別技術(shù)白皮書顯示，目前市場(chǎng)上主流的生物識(shí)別方案包括掌紋、虹膜、視網(wǎng)膜、人臉、聲紋等。從易仿冒程度來看，虹膜和視網(wǎng)膜是極難的，聲紋被評(píng)定為難，其余則均為一般。

基于這些背景，關(guān)于聲紋的研究其實(shí)早已有之，只是隨著底層技術(shù)的迭代，應(yīng)用過程能夠更加無感，同時(shí)達(dá)到較高準(zhǔn)確度。

陳東鵬向21世紀(jì)經(jīng)濟(jì)報(bào)道記者分析道，早期的聲紋識(shí)別技術(shù)，為了節(jié)省時(shí)間并提升用戶體驗(yàn)，會(huì)要求用戶念一段固定的文本，此后每次驗(yàn)證都是朗讀同一段文本。

這被稱為固定文本的認(rèn)證方式?！暗珪?huì)造成兩個(gè)問題，第一是用戶體驗(yàn)不好，每次都被要求生硬地念一段文本，無法做到與用戶在自然交流中無感地完成身份認(rèn)證；第二是容易被錄音攻擊，因?yàn)槊看卫首x的都是同一段內(nèi)容，犯罪分子有可能通過提前偷錄他人的聲音，然后通過錄音回放攻擊系統(tǒng)。”他進(jìn)一步表示，這導(dǎo)致初期的技術(shù)落地會(huì)存在較大風(fēng)險(xiǎn)。

大約在2000年開始，聲紋識(shí)別技術(shù)進(jìn)入相對(duì)成熟期，在此期間誕生了一批老牌語音廠商，科大訊飛就在其中。

前述行業(yè)人士向記者指出，這一階段的聲紋識(shí)別技術(shù)要點(diǎn)在于，將錄入的聲音壓縮成固定的矢量進(jìn)行匹配，準(zhǔn)確率已經(jīng)能夠達(dá)到約95%的水平，不足之處在于容易因外部干擾而影響結(jié)果，因此還沒到適合商用的標(biāo)準(zhǔn)。

從2015年開始，隨著AI技術(shù)的深化，不少以該項(xiàng)技術(shù)為背景的創(chuàng)業(yè)公司專門投身聲紋識(shí)別領(lǐng)域，不僅如此，在這兩年來，BAT等巨頭也相繼在這一領(lǐng)域入局。

“如今聲紋識(shí)別技術(shù)的進(jìn)步，得益于深度學(xué)習(xí)技術(shù)的成熟，以及傳感器、麥克風(fēng)、通信信道（如5G、4G VoLTE高清通話）等技術(shù)的進(jìn)步?！标悥|鵬介紹道，目前聲揚(yáng)科技的聲紋識(shí)別技術(shù)可以保證在高噪聲環(huán)境下聲紋識(shí)別的魯棒性、在很短時(shí)間內(nèi)完成語音認(rèn)證，也無需設(shè)置固定交流內(nèi)容。

應(yīng)用場(chǎng)景擴(kuò)圍

雖然當(dāng)前已經(jīng)可以在較好體驗(yàn)的情況下落地商用，但聲紋識(shí)別技術(shù)還有更長(zhǎng)遠(yuǎn)的路要走。

業(yè)內(nèi)認(rèn)為，當(dāng)前階段的聲紋識(shí)別技術(shù)已經(jīng)能夠滿足部分行業(yè)特定場(chǎng)景的應(yīng)用需求，當(dāng)然從商用門檻的成熟，到未來體驗(yàn)的成熟，依然有很大提升空間。

對(duì)諸多生物識(shí)別技術(shù)來說都是如此。即便是目前已經(jīng)十分普及到手機(jī)端的屏下指紋識(shí)別技術(shù)，歷經(jīng)多年商用迭代，也依然可以在識(shí)別時(shí)間、精準(zhǔn)度、模組大小等方面繼續(xù)優(yōu)化。

陳東鵬向記者坦言，聲紋識(shí)別技術(shù)的下一步挑戰(zhàn)主要包括兩方面：遠(yuǎn)場(chǎng)識(shí)別、跨信道識(shí)別的優(yōu)化。

“雖然聲揚(yáng)科技已經(jīng)可以做到兩米左右這種遠(yuǎn)場(chǎng)的識(shí)別，但我們的目標(biāo)是做到像‘人耳’一樣，可以距離很遠(yuǎn)就通過聲音識(shí)別人的身份?！彼M(jìn)一步解釋。

而所謂跨信道識(shí)別，是指早期僅能通過手機(jī)或者電腦麥克風(fēng)采集信號(hào)，但未來可以進(jìn)一步擴(kuò)大到更多設(shè)備中。陳東鵬續(xù)稱，“現(xiàn)在還是會(huì)受信道的影響，隨著通訊技術(shù)進(jìn)步、數(shù)據(jù)積累、訓(xùn)練模型魯棒性更高，相信這個(gè)問題能得到更好解決?！?/p>

此次能夠在金融場(chǎng)景落地，也與行業(yè)的積極擁抱并出臺(tái)相關(guān)標(biāo)準(zhǔn)有關(guān)。

2014年公安部便首次針對(duì)聲紋識(shí)別的應(yīng)用技術(shù)要求和安全等級(jí)制定標(biāo)準(zhǔn)，在2019年確定了關(guān)于聲紋數(shù)據(jù)庫建設(shè)、信息采集指引的細(xì)化內(nèi)容。

在金融行業(yè)，2018年中國人民銀行發(fā)布聲紋識(shí)別相關(guān)行業(yè)標(biāo)準(zhǔn)，2019年聲紋識(shí)別系統(tǒng)還成為唯一一個(gè)入選金融科技產(chǎn)品認(rèn)證目錄的生物識(shí)別技術(shù)，為今天的探索落地奠定了基礎(chǔ)。

前文提到的銀行信用卡反欺詐場(chǎng)景，其應(yīng)用主要是通過電話銀行，在線上辦理信用卡申請(qǐng)、啟卡、盡調(diào)等環(huán)節(jié)時(shí)，遠(yuǎn)程在線建立個(gè)人聲紋ID檔案并為后續(xù)身份識(shí)別、欺詐風(fēng)險(xiǎn)判斷提供依據(jù)。

可想而知，疫情期間對(duì)于無接觸的需求突然大增，聲紋識(shí)別技術(shù)也迎來更多落地機(jī)會(huì)。陳東鵬介紹，比如門禁、電梯、回訪平臺(tái)等，都可以用到聲紋技術(shù)?！拔覀?cè)谝咔槠陂g做了幾款相關(guān)的產(chǎn)品，比如聲紋門禁、遠(yuǎn)程健康回訪系統(tǒng)，這個(gè)系統(tǒng)也最先被南山粵海街道辦采用。”

“聲紋的一大優(yōu)勢(shì)，是它蘊(yùn)含在人們交流所需的語音當(dāng)中，這些語音包含著極為豐富的個(gè)人信息，如性別、年齡、地域、環(huán)境、情緒、職業(yè)、偏好等，聲紋揭示的身份信息，是將這些個(gè)人化的信息聚集在一起的中心點(diǎn)，這將是很多行業(yè)提供‘以用戶為中心’服務(wù)所必須掌握的?！彼绱丝偨Y(jié)道。
? ? ? ?責(zé)任編輯：tzh