進出小區(qū)要刷門禁卡，住宿出行要掏身份證，訂立合同要簽字蓋章，轉(zhuǎn)賬消費要輸入密碼，就連紫薇去認皇阿瑪，也得拿著一畫一扇當信物……
在與人類社會產(chǎn)生關(guān)聯(lián)的過程中，我們無時無刻不需要證明自己的身份，以獲得某種權(quán)限，為此我們發(fā)明了令牌、印章、證件、密碼作為身份符號。但和這些傳統(tǒng)方法相比，DNA、指紋、虹膜、人臉、聲紋等生物特征才是你唯一的、穩(wěn)定的、無法盜取也不會丟失的ID。這些生物信息ID和傳統(tǒng)身份符號相比，有很多優(yōu)勢：
比如，獨一無二，專屬
比如，隨身攜帶，方便
比如，難以復(fù)制，安全
也正因此，人類社會在從符號ID到生物ID的路上一直在默默前行。DNA檢驗在醫(yī)療、司法領(lǐng)域的應(yīng)用大家早已熟知；指紋識別在考勤、門鎖、手機上也已經(jīng)普及；人臉識別近幾年在支付、安防、金融等領(lǐng)域頗有建樹。生物識別方式如此眾多，我們?yōu)槭裁葱枰暭y識別？
加上聲紋識別這點料，語音交互才算真智能
3 月 21 日，獵豹發(fā)布了小豹智能音箱； 3 月 22 日，阿里云實驗室發(fā)布了新一代天貓精靈；谷歌還曾在其官方博客表示，上市 3 個月谷歌Home銷量突破 673 萬臺。根據(jù)市場分析公司Canalys預(yù)測，到 2018 年底智能音箱全球出貨量將達到 5630 萬臺。
毫無疑問，語音交互日趨成為人機交互的重要入口。語言自帶指令屬性，是人類最自然、最日常的溝通方式。從通過按鍵、觸控與機器交互過渡到語音人機交互，無疑是一大飛躍。但只能識別指令內(nèi)容是不夠的，真正的智能交互產(chǎn)生的基礎(chǔ)是機器能識別、區(qū)分人的身份，能像朋友一樣根據(jù)你的身份鑒別權(quán)限和提供個性化的服務(wù)，否則語音交互就只是高配版遙控器，本質(zhì)還是單向的命令輸出工具——要實現(xiàn)真正智能的交互就需要加上聲紋識別這點料。
舉個例子，智能音箱愛好者估計都遇到過類似的麻煩：音箱放在客廳，電視響起，偶然播出喚醒詞，音箱分辨不出這并非你的指令，于是乖巧地做出反應(yīng)……類似的，在實際的車載場景中，智能后視鏡也很容易被乘客無意的聊天或廣播中偶然出現(xiàn)的喚醒詞喚醒。只能識別口令，無法區(qū)分說話人的身份，不會判斷什么人的話該聽，什么人的話不該聽，讓本屬于你的東西缺乏權(quán)限管控，更不能提供個性化服務(wù)，是目前市面上許多智能語音交互產(chǎn)品的通病，而病因則在于，缺了通過聲紋識別技術(shù)辨別說話人這劑良方。
真正智能的人機交互，應(yīng)該在你喚醒的同時，就能通過聲紋識別技術(shù)知道你是你，并針對性地對口令做出反應(yīng)。比如，智能后視鏡能對廣播中的喚醒詞充耳不聞，只聽你的口令；智能音箱除了能只被家里特定成員喚醒外，還能根據(jù)不同家庭成員的習慣和喜好進行個性化推薦，早上給爸爸播新聞，晚上給媽媽放爵士，周末給寶寶放兒歌，閑時給爺爺奶奶播戲曲，讓所有人只需一句口令，就能聽到最合適的推薦，有如量身定制一般。
隱蔽+隨機+算法守衛(wèi)，讓聲紋比安全更安全
既然是作為像身份證一樣，用來證明身份的ID，聲紋的安全性就不得不考量。比如，如果聲音被不法分子盜錄，豈不等于永久性地丟了通往世界的鑰匙，還不能換鎖？
首先，相對于人臉、步態(tài)等時刻暴露在外的生物特征，聲紋具有隱蔽性。比如，從公司到家這一路，你不知道會經(jīng)過多少攝像頭，人臉信息被錄入了幾次，但最起碼你還可以選擇不說話。
即使不法分子費盡心機盜錄了你的聲音，那也不怕。就像人臉識別會通過搖頭、眨眼等動作證明你是真人而非照片、模具一樣，聲紋識別可以通過隨機改變口令內(nèi)容來進行檢測。想想，數(shù)字、長句、英文，所有語言隨機組合，驗證方式可比簡單的搖頭、眨眼豐富多了。即使犯罪分子提前盜錄了你的聲音信息，面對隨機的、臨時的驗證口令，也毫用處。
除此之外，還有算法守衛(wèi)。
正常的聲紋識別流程是：人說話→聲紋系統(tǒng)檢測到聲音并進行識別；
錄音攻擊的聲紋識別流程是：人說話→盜錄→播放→聲紋系統(tǒng)檢測到聲音并進行識別。
在這個過程中，錄音會把人說話的聲音信號轉(zhuǎn)換成電信號保存，這個編碼的過程會導(dǎo)致部分聲紋特征損失；播放又會將保存的電信號轉(zhuǎn)化為聲音信號，這個過程也會導(dǎo)致部分聲紋特征的損失，再加上不同播放器材頻率響應(yīng)特征的影響，此時播放出來的聲音和你本身說話的聲音已經(jīng)不是同一個聲音。兩者聲紋特征的微妙差異人耳難以聽辨，但經(jīng)過深度學習的機器卻能準確識別，讓你失聲不“失身”。
生來要說話，我們需要更人性的交互
為了與世界交互，我們創(chuàng)造了許多操作，比如設(shè)置賬號密碼和敲擊鍵盤……雖然久經(jīng)演練的我們早已習慣，但不得不承認這些操作是違反人類習慣的，賬號密碼容易忘，鍵盤敲久了手會疼就是明證。對于另外一些群體，比如老年人、身體有殘疾的人或缺乏受教育機會的人，這些違反人類習慣、需要后天學習和大量演練的操作，就是他們通往世界的阻礙。
我們天然需要更自然、更簡單、更人性的交互方式，而聲紋的優(yōu)勢在于，不區(qū)分年齡、學歷和生活習慣，我們生來要說話——我們需要聲紋來解決許多困擾我們已久的事情，照顧更多被忽略已久的群體。
我們可以想象這些場景：
從此無需帶鑰匙，也不會出現(xiàn)把自己反鎖在門外，一句“芝麻開門”就能證明你是這房子的主人；
從此也不用記密碼，不論是簡單的手繪圖案還是字母數(shù)字下劃線這種反人類的組合，統(tǒng)統(tǒng)變成“過去”的事情；
對于有視力障礙的老人和盲人，不用害怕看不清屏幕或找不到攝像頭的位置，對著空氣說句話事兒就辦成了，和讓家人給自己端杯水一樣簡單；
無需動身，坐在原地對著麥克風說句話就識別身份，讓老年人足不出戶，在家一個電話就能領(lǐng)取社保，讓奔波的年輕人歇歇腳，遠程異地辦理各種業(yè)務(wù)，豈不比需要站在特定位置刷證件、按指紋方便得多？
我們生來要說話，如果能讓聲音成為我們不變的、隨身攜帶的、不會忘記的、難以被竊取的ID，那么在通往世界的路上，所有需要證明你是你的場景，都變成了“一句話的事兒”。
AI的發(fā)展得益于算法、算法和大數(shù)據(jù)的進步。作為全球領(lǐng)先的聲紋識別和身份安全解決方案人工智能公司，SpeakIn自信地告訴大家，說話作為人類最高頻的交互方式，語音數(shù)據(jù)沉淀潛力無限；隨著算法升級，深入場景，未來聲紋識別會讓生活更智能、更安全、更人性。
免責聲明：本文為廠商推廣稿件，企業(yè)發(fā)布本文的目的在于推廣其產(chǎn)品或服務(wù)，站長之家發(fā)布此文僅為傳遞信息，不代表站長之家贊同其觀點，不對對內(nèi)容真實性負責，僅供用戶參考之用，不構(gòu)成任何投資、使用等行為的建議。請讀者使用之前核實真實性，以及可能存在的風險，任何后果均由讀者自行承擔。