說一聲“啟動汽車”，引擎馬上開啟；下班回家對著智能門鎖喊一聲“開門”，門鎖應聲而開；對著智能電視喊個話，它就能為你播放專屬的視頻內(nèi)容……阿里巴巴用“芝麻開門”打開了寶藏，我們能用聲紋識別做什么？

近日，從人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟 - 得意音通聲紋技術聯(lián)合實驗室獲悉，聲紋識別在過去一年，從場景側不斷下沉，更加落地。作為語音賽道一個重度垂直的領域，聲紋識別終于從“等風來”，成為站在“風口”上的技術。

根據(jù)清華大學人工智能研究院聽覺智能研究中心、人工智能產(chǎn)業(yè)發(fā)展聯(lián)盟 - 得意音通聲紋技術聯(lián)合實驗室、中國電信股份有限公司研究院聯(lián)合發(fā)布的《中國聲紋識別產(chǎn)業(yè)發(fā)展白皮書 2.0》，2020 年，聲紋技術廠商融資事件達到過去 4 年最多，投資總額僅次于 2018 年。雖融資熱度和頻次無法與最熱門的應用領域相比，但在疫情當下以及貫穿 2019-2020 始末的資本寒冬中，已經(jīng)算是例外了。
?

從白皮書對百度、京東、微信等搜索詞分析來看，聲紋識別與支付、反欺詐、門禁、門鎖、考勤等具體應用場景緊密聯(lián)系在一起，這也從一定程度上反映出了聲紋技術當前主要的落地方向。

國內(nèi)聲紋廠商主要有哪些？

<與非網(wǎng)>對國內(nèi) 20 多家聲紋識別企業(yè)進行了匯總分析，這些企業(yè)也從一定程度上反映了語音技術的三個發(fā)展階段：

早期以 2000 年~2007 年成立的專注于聲紋技術的廠商為代表，如得意音通、中科信利、遠鑒科技、廈門天聰?shù)?，主要背靠清華大學、廈門大學、中科院聲學所、自動化研究所等高校和科研機構，這些老牌企業(yè)掌握了深厚的技術積累和核心專利。

2007-2015 年間，思必馳、云知聲等算法廠商入局，憑借對場景的理解和核心技術的布局，抓住了語音發(fā)展的先機。

2016 年開始，人工智能的發(fā)展帶動了一批初創(chuàng)企業(yè)，聲揚、聲智、中科昊音等都是在這波 AI 紅利中成長和誕生的公司，這些企業(yè)融資節(jié)奏通常比較快，正加緊在專利布局、落地上發(fā)力。
?
?

2020 年聲紋識別三大落地應用

疫情下聲紋考勤興起

今年聲紋技術主要的落地場景之一就是聲紋考勤。在疫情的非接觸需求下，今年 2 月，國務院印發(fā)《企事業(yè)單位復工復產(chǎn)疫情防控措施指南》，明確要求暫時停用指紋考勤機，改用其他方式對進出人員進行登記。

同時，人臉支付也被“降溫”。2 月，中國人民銀行營業(yè)管理部就制定的《北京市非銀行支付機構復工復產(chǎn)防疫工作指引》中提出，要優(yōu)化和豐富“非接觸式服務”渠道和場景，強調疫情防控期間，暫緩人臉識別支付商戶拓展。

語音具有天然的“非接觸”特性，具體到聲紋這個細分領域，它可以根據(jù)每個人的語音特征和發(fā)音習慣進行動態(tài)識別，非常適用于進行身份認證的場景應用中。

在與清華大學人工智能研究院聽覺智能研究中心主任、得意音通創(chuàng)始人鄭方博士的交流中，筆者曾獲悉，“無接觸”將沉淀為今后遴選生物識別技術的核心要素之一，特別是在 B 端場景（例如考勤）。聲紋天然具有“無接觸”的特點，并且不怕被口罩遮擋，應用成本低，聲紋產(chǎn)品將成為考勤市場中強有力的競爭者。

他認為考勤產(chǎn)品未來主要有兩大方向：一是從集中轉向分布、線下轉為線上線下結合，也就是說，不再需要單一的考勤機設備，而是直接由員工在各自手機上完成打卡，既提高效率，又保障衛(wèi)生；二是單純的考勤功能可能會與門禁功能結合，可以是集中，也可以是分布。得意音通在聲紋考勤迭代上主要有三個方向：一是更“輕”，如增加小程序等入口；二是更“重”，注重與門禁等設備結合；三是更安全，還可與人臉技術結合，具體會根據(jù)市場反饋來規(guī)劃。

金融 / 政務服務依舊是大市場

除了疫情下醞釀的新應用，聲紋識別最早實現(xiàn)規(guī)模化商用的是在金融領域。金融領域因其豐富的場景、海量的數(shù)據(jù)、對可靠性的高要求和廣泛的用戶反饋等，一直是前沿技術在民用領域（相較于公共安全領域）的理想試金石。聲紋識別也不例外，4G 時代，金融行業(yè)催生了手機銀行這一形態(tài)并迅速普及，使得金融級遠程身份認證的需求激增，而聲紋識別剛好可以滿足這個需求。

根據(jù)白皮書顯示，到 2020 年下半年，約有 30 家銀行機構采購了聲紋識別技術產(chǎn)品，其中“動態(tài)聲紋密碼”的聲紋登錄成為第一大應用場景，可用于賬戶登錄、大額轉賬、無卡取款、密碼找回等業(yè)務場景。微信和支付寶也上線了基于聲紋動態(tài)口令的登錄方式。此外，在信貸業(yè)務中引入聲紋識別技術作為反欺詐手段，還可有效降低冒用他人身份進行騙貸以及多頭貸款等事件的發(fā)生率。
?

在政務服務市場，聲紋識別也發(fā)掘到一個極具潛力的應用——城鄉(xiāng)養(yǎng)老保險是社會保障體系的重要組成部分，然而冒領養(yǎng)老金的事件時有發(fā)生，每年冒領總金額以億元計，但若要求高齡老人親臨現(xiàn)場驗明身份又非常不便。社保局通過預裝聲紋身份認證系統(tǒng)，通過 1:1 聲紋確認技術，就可以進行遠程身份認證。

另據(jù)白皮書顯示，隨著電信詐騙案件頻發(fā)，聲紋特征在公共安全領域的應用價值越來越凸顯出來。公安部將聲紋識別技術已經(jīng)納入防治方案，建庫規(guī)范提上日程。

智能生活成為藍海

除了上述應用，聲紋識別的下一個藍海市場有望在智能生活場景中產(chǎn)生，目前已經(jīng)開始落地的有智能家居、智能車載等應用。

按任務分類的話，聲紋識別有 1：1 和 1：N 兩大類應用，前者主要進行聲紋確認，上面提到的金融、社保等都屬于 1：1 確認，通過給定一個說話人的聲紋模型和一段只含一名說話人的語音，判斷該語音是否是該說話人所說。而在 1：N 應用中則屬于聲紋辨認，是根據(jù)一組候選說話人的聲紋模型和一段語音，來判斷該語音是哪個說話人所說，適用于公安、安防、智能生活等場景。

隨著語音交互場景的成熟，各種個性化的服務需求漸漸浮現(xiàn)出來。通過 1：N 的聲紋辨認技術，可支持智能音箱、智能語音助手等提供個性化服務，如針對家庭用戶中的老年人、兒童等不同年齡段用戶，按照興趣推薦不同的歌曲、新聞，以及開放特定的功能權限等；利用聲紋檢出和追蹤技術，可在會議紀要中標注每段話所對應的說話人，即可輕松完成多人會議記錄，這一功能在市面上一些錄音筆中已包括。此外，聲紋識別還可完成個人日常生活中各種事物訪問控制的授權，比如智能手機鎖屏、各類網(wǎng)絡賬號的聲控密碼鎖、電腦聲控鎖、聲控安全門、汽車聲控鎖等。

思必馳目前在其全鏈路對話式 AI 中，特別針對車載場景下通過聲紋識別進行優(yōu)化升級，提供更多個性化的服務方式。

云知聲也將聲紋識別技術引入到深度學習領域，聯(lián)手平安好醫(yī)生打造客戶端“聲紋登錄系統(tǒng)”，并與國家電網(wǎng)合作了會議系統(tǒng)聲紋識別項目。

以計算機視覺起家的依圖科技，近兩年也開始在智能語音發(fā)力，2019 年宣稱在全球聲紋識別競賽中奪得第一，雖然后續(xù)并無太多聲紋方面的成果更新，但也反映出依圖對聲紋的重視，多模態(tài)應該是其未來的布局方向。

智能家居是民用場景中最早擁抱聲紋技術的，例如長虹已經(jīng)在電視、空調中先后加入聲紋識別功能，使得家電也能夠智能識別用戶身份，開啟私人訂制模式。

互聯(lián)網(wǎng)廠商也在積極布局。

百度前幾年在國際上發(fā)布過聲紋識別方面的論文，今年在小度智能屏中，聲紋識別功能已經(jīng)成為賣點之一。

阿里約在 3 年前開始推廣聲紋識別，主要運用于平臺用戶的身份核驗，比如在線身份校驗服務，用戶可通過聲紋識別在手機淘寶進行密碼修改等。

騰訊云也與微信智能團隊共同推進聲紋識別，借助云端大數(shù)據(jù)的優(yōu)勢，根據(jù)個人屬性提供更多差異化服務內(nèi)容，并進一步提升安全性，運用在安保、金融、智能硬件等領域。

寫在最后

在 AIoT 的推動下，聲紋識別技術有望推動一些場景的升級迭代，在未來的人機交互中，帶動從硬件到軟件在更多商用場景中的發(fā)展。多模態(tài)的技術應用可能會率先興起，比如在身份識別場景中，通過聲紋+人臉融合驗證，在精度要求、安全保障以及不同場景下的體驗提升都能得到滿足。

這從當前的國際技術趨勢上也可以看到一些發(fā)展軌跡，例如通過多模態(tài)建模，將人臉和聲紋中的信息和參數(shù)融合在一個架構和模型中，實現(xiàn)語音內(nèi)容和說話人身份同時識別、語種和說話人身份同時識別等。
?