真正千人千面、个性化定制的“法器”：声纹识别技术

　　在物联网、法器人工智能技术越来越发达的真正制时代，很多生活中原本习以为常的千人千面场景都悄然发生了变化。在线购物、个性扫码支付、化定共享单车、声纹识别随身穿戴、技术语音交互……在越来越便捷的法器社会，我们告别了原本繁杂的真正制工序和步骤，开启了更为便捷的千人千面现代生活。

　　伴随着互联网的个性蓬勃，人们开始面临一个非常困扰的化定问题，充斥在互联网上的声纹识别信息如海洋般丰富，如何快速查找到适合我们的技术信息呢？——千人千面的个性化定制应运而生。



　　说到千人千面，最为用户熟知的恐怕要属今日头条。依托先进的大数据技术，为不同年龄、不同性别、不同爱好的用户推荐不同的新闻内容，打造新闻资讯的千人千面，成为越来越懂你的新闻资讯客户端，也博得了一大批用户的喜爱。

　　数年前智能电视崛起，颠覆了传统电视的形态，搭载智能操作系统和视频内容，能按照用户意愿下载各种第三方app，极大程度上拓展了电视的娱乐功能，延伸了家庭电视的内涵，给万千用户带来更为新颖的视听体验。随着技术的发展和人工智能概念的应用，众多电视系统开发者不满足于仅有的“操作系统”，而是花费了更多心思用于“智能”操作系统的研发。这些“智能”操作系统不仅可以下载安装各种APP，而且拥有语音交互、在线购物、人脸识别、视频通话、AR等功能，在此基础上，进一步实现了视频内容的千人千面和个性化定制，将周到的服务体验转嫁到了电视层面。

　　那么问题又来了。很多业内人士都对智能电视的个性化定制提出了疑问。电视的家庭属性非常强，一台电视属于爷爷奶奶、爸爸妈妈、儿子女儿，电视该如何判断此刻是谁在使用，该怎么为不同的家庭成员推荐不同的内容，从而实现真正意义的个性化定制。

　　基于现有技术水平和电视机本身的构造，要实现能够识别用户的个性化定制，方式主要有两种：一是通过外置摄像头，达到识别人脸的效果；二是通过话筒，实现声纹识别。



　　今天我们主要说一下声纹识别。

　　在普通大众眼中，声纹识别和语音识别是两个很容易混淆的概念，其实二者有着很大的区别。语音识别的重点在于“听得懂说什么”，声纹识别的重点在于“听得懂是谁说”。声纹识别是一种基于人类“生物特征”的身份辨认方法，与指纹、唇纹、虹膜等一样，也被称为“活体密码”，拥有极高的安全性，例如微信就采用了声纹作为密码验证。

　　为什么声纹识别有着越来越广阔的前景呢？最主要的原因是，能够使用语言是人类与动物最主要的区别之一，语言也是人类生活中最广泛的沟通方式，最天然的沟通入口，因此人类要训练机器，让机器拥有听懂和表达语言的能力，不但要听懂“说什么”，还要听懂“是谁说”，如此一来，人工智能便能成为人类的工具，服务于人，所以声纹识别成为物联网时代的风口之一。

　　目前声纹识别技术的工作流程主要有两种，一种是“1对1”，可以用于密码验证、身份验证等场景，比如微信语音密码；另一种是“1对多”，这种技术比“1对1”更为复杂，因为它可以精准识别到每一位不同用户，依赖的是机器学习和深度神经网络，从而为更广阔的场景服务创造了无限可能。

　　与人脸识别所需要的摄像头相比，声纹识别只需要一个麦克风，如果在电视或智能家居设备上配备，显然其成本因素更为低廉，因此也更容易受到厂商青睐。

　　除微信语音密码验证外，声纹识别已经开始在智能电视或智能音箱上使用。比如9月20日暴风电视刚刚发布的AI2.0，“进一步深化对用户行为数据的收集，充分沉淀用户的使用习惯，完成对用户行为和声纹的分析，实现精准化内容推荐。针对不同的年龄段，不同性别的人群按需推荐内容，满足不同用户在家庭场景中个性化需求。”

　　在暴风电视的现场演示中，通过语音唤醒暴风大耳朵后，它可以根据声纹识别出此刻正在收看电视的具体用户，从而为该用户推荐合适的视频内容，这不但增加了人与设备之间的沟通，也更符合人类语言行为习惯，让机器更懂人类，向人工智能迈进新的一步。



　　除构建智能化场景服务外，声纹识别还可用于银行安保、身份验证、公安破案等具体场景，为大众带来更方便、安全的生活服务。

　　当然，声纹识别也不是万能的，和其他技术一样，也存在很多局限性。例如专业级别的技术门槛，只有拥有一定专业知识的技术人员才能实现声纹识别功能；再例如周围环境的噪音问题、嘈杂的现场、数人同时说话、远场语音识别等难题，这些问题的解决绝非一朝一夕，而是需要在长久的行业磨合中，逐渐摸索出一条全面而完善的声纹识别道路，“路漫漫其修远兮”，相信在不久的未来，声纹识别一定会像如今的指纹识别一样，被大众接受、普及。