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(kù)建設(shè)、信息采集指引的細(xì)化內(nèi)容。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(kāi)啟了商用大潮。

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(guó)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)。

近日，中國(guó)工商銀行開(kāi)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(xiàn)，在同業(yè)中率先開(kāi)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(lái)說(shuō)，在20世紀(jì)便有了相關(guān)研究和落地的探索，近年來(lái)，部分比較成熟的方案開(kāi)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(yǔ)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(guò)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(lái)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(yǔ)音的入口更普及，可利用的語(yǔ)音數(shù)據(jù)會(huì)越來(lái)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(lái)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(xiàn)，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(yǔ)音模型，能被偽裝的只在于口頭禪等行為特征。

“每個(gè)人說(shuō)話(huà)時(shí)的音調(diào)、音色等習(xí)慣幾乎獨(dú)一無(wú)二，這些信息通過(guò)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(lái)認(rèn)證身份具有唯一性和穩(wěn)定性。”他續(xù)稱(chēng)。

清華大學(xué)人工智能研究院聽(tīng)覺(jué)智能研究中心發(fā)布的一份聲紋識(shí)別技術(shù)白皮書(shū)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(lái)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(guò)程能夠更加無(wú)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(hù)體驗(yàn)，會(huì)要求用戶(hù)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(chēng)為固定文本的認(rèn)證方式?！暗珪?huì)造成兩個(gè)問(wèn)題，第一是用戶(hù)體驗(yàn)不好，每次都被要求生硬地念一段文本，無(wú)法做到與用戶(hù)在自然交流中無(wú)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(guò)提前偷錄他人的聲音，然后通過(guò)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(kāi)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(yǔ)音廠(chǎng)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(méi)到適合商用的標(biāo)準(zhǔn)。

從2015年開(kāi)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(zhuān)門(mén)投身聲紋識(shí)別領(lǐng)域，不僅如此，在這兩年來(lái)，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(huà))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(yǔ)音認(rèn)證，也無(wú)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(mǎn)足部分行業(yè)特定場(chǎng)景的應(yīng)用需求，當(dāng)然從商用門(mén)檻的成熟，到未來(lái)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(lái)說(shuō)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。