357
说一声“启动汽车”，引擎马上开启；下班回家对着智能门锁喊一声“开门”，门锁应声而开；对着智能电视喊个话，它就能为你播放专属的视频内容……阿里巴巴用“芝麻开门”打开了宝藏，我们能用声纹识别做什么？
近日，从人工智能产业发展联盟 - 得意音通声纹技术联合实验室获悉，声纹识别在过去一年，从场景侧不断下沉，更加落地。作为语音赛道一个重度垂直的领域，声纹识别终于从“等风来”，成为站在“风口”上的技术。
根据清华大学人工智能研究院听觉智能研究中心、人工智能产业发展联盟 - 得意音通声纹技术联合实验室、中国电信股份有限公司研究院联合发布的《中国声纹识别产业发展白皮书 2.0》，2020 年，声纹技术厂商融资事件达到过去 4 年最多，投资总额仅次于 2018 年。虽融资热度和频次无法与最热门的应用领域相比，但在疫情当下以及贯穿 2019-2020 始末的资本寒冬中，已经算是例外了。
从白皮书对百度、京东、微信等搜索词分析来看，声纹识别与支付、反欺诈、门禁、门锁、考勤等具体应用场景紧密联系在一起，这也从一定程度上反映出了声纹技术当前主要的落地方向。
国内声纹厂商主要有哪些？
<与非网>对国内 20 多家声纹识别企业进行了汇总分析，这些企业也从一定程度上反映了语音技术的三个发展阶段：
早期以 2000 年~2007 年成立的专注于声纹技术的厂商为代表，如得意音通、中科信利、远鉴科技、厦门天聪等，主要背靠清华大学、厦门大学、中科院声学所、自动化研究所等高校和科研机构，这些老牌企业掌握了深厚的技术积累和核心专利。
2007-2015 年间，思必驰、云知声等算法厂商入局，凭借对场景的理解和核心技术的布局，抓住了语音发展的先机。
2016 年开始，人工智能的发展带动了一批初创企业，声扬、声智、中科昊音等都是在这波 AI 红利中成长和诞生的公司，这些企业融资节奏通常比较快，正加紧在专利布局、落地上发力。
2020 年声纹识别三大落地应用
疫情下声纹考勤兴起
今年声纹技术主要的落地场景之一就是声纹考勤。在疫情的非接触需求下，今年 2 月，国务院印发《企事业单位复工复产疫情防控措施指南》，明确要求暂时停用指纹考勤机，改用其他方式对进出人员进行登记。
同时，人脸支付也被“降温”。2 月，中国人民银行营业管理部就制定的《北京市非银行支付机构复工复产防疫工作指引》中提出，要优化和丰富“非接触式服务”渠道和场景，强调疫情防控期间，暂缓人脸识别支付商户拓展。
语音具有天然的“非接触”特性，具体到声纹这个细分领域，它可以根据每个人的语音特征和发音习惯进行动态识别，非常适用于进行身份认证的场景应用中。
在与清华大学人工智能研究院听觉智能研究中心主任、得意音通创始人郑方博士的交流中，笔者曾获悉，“无接触”将沉淀为今后遴选生物识别技术的核心要素之一，特别是在 B 端场景（例如考勤）。声纹天然具有“无接触”的特点，并且不怕被口罩遮挡，应用成本低，声纹产品将成为考勤市场中强有力的竞争者。
他认为考勤产品未来主要有两大方向：一是从集中转向分布、线下转为线上线下结合，也就是说，不再需要单一的考勤机设备，而是直接由员工在各自手机上完成打卡，既提高效率，又保障卫生；二是单纯的考勤功能可能会与门禁功能结合，可以是集中，也可以是分布。得意音通在声纹考勤迭代上主要有三个方向：一是更“轻”，如增加小程序等入口；二是更“重”，注重与门禁等设备结合；三是更安全，还可与人脸技术结合，具体会根据市场反馈来规划。
金融 / 政务服务依旧是大市场
除了疫情下酝酿的新应用，声纹识别最早实现规模化商用的是在金融领域。金融领域因其丰富的场景、海量的数据、对可靠性的高要求和广泛的用户反馈等，一直是前沿技术在民用领域（相较于公共安全领域）的理想试金石。声纹识别也不例外，4G 时代，金融行业催生了手机银行这一形态并迅速普及，使得金融级远程身份认证的需求激增，而声纹识别刚好可以满足这个需求。
根据白皮书显示，到 2020 年下半年，约有 30 家银行机构采购了声纹识别技术产品，其中“动态声纹密码”的声纹登录成为第一大应用场景，可用于账户登录、大额转账、无卡取款、密码找回等业务场景。微信和支付宝也上线了基于声纹动态口令的登录方式。此外，在信贷业务中引入声纹识别技术作为反欺诈手段，还可有效降低冒用他人身份进行骗贷以及多头贷款等事件的发生率。
在政务服务市场，声纹识别也发掘到一个极具潜力的应用——城乡养老保险是社会保障体系的重要组成部分，然而冒领养老金的事件时有发生，每年冒领总金额以亿元计，但若要求高龄老人亲临现场验明身份又非常不便。社保局通过预装声纹身份认证系统，通过 1:1 声纹确认技术，就可以进行远程身份认证。
另据白皮书显示，随着电信诈骗案件频发，声纹特征在公共安全领域的应用价值越来越凸显出来。公安部将声纹识别技术已经纳入防治方案，建库规范提上日程。
智能生活成为蓝海
除了上述应用，声纹识别的下一个蓝海市场有望在智能生活场景中产生，目前已经开始落地的有智能家居、智能车载等应用。
按任务分类的话，声纹识别有 1：1 和 1：N 两大类应用，前者主要进行声纹确认，上面提到的金融、社保等都属于 1：1 确认，通过给定一个说话人的声纹模型和一段只含一名说话人的语音，判断该语音是否是该说话人所说。而在 1：N 应用中则属于声纹辨认，是根据一组候选说话人的声纹模型和一段语音，来判断该语音是哪个说话人所说，适用于公安、安防、智能生活等场景。
随着语音交互场景的成熟，各种个性化的服务需求渐渐浮现出来。通过 1：N 的声纹辨认技术，可支持智能音箱、智能语音助手等提供个性化服务，如针对家庭用户中的老年人、儿童等不同年龄段用户，按照兴趣推荐不同的歌曲、新闻，以及开放特定的功能权限等；利用声纹检出和追踪技术，可在会议纪要中标注每段话所对应的说话人，即可轻松完成多人会议记录，这一功能在市面上一些录音笔中已包括。此外，声纹识别还可完成个人日常生活中各种事物访问控制的授权，比如智能手机锁屏、各类网络账号的声控密码锁、电脑声控锁、声控安全门、汽车声控锁等。
思必驰目前在其全链路对话式 AI 中，特别针对车载场景下通过声纹识别进行优化升级，提供更多个性化的服务方式。
云知声也将声纹识别技术引入到深度学习领域，联手平安好医生打造客户端“声纹登录系统”，并与国家电网合作了会议系统声纹识别项目。
以计算机视觉起家的依图科技，近两年也开始在智能语音发力，2019 年宣称在全球声纹识别竞赛中夺得第一，虽然后续并无太多声纹方面的成果更新，但也反映出依图对声纹的重视，多模态应该是其未来的布局方向。
智能家居是民用场景中最早拥抱声纹技术的，例如长虹已经在电视、空调中先后加入声纹识别功能，使得家电也能够智能识别用户身份，开启私人订制模式。
互联网厂商也在积极布局。
百度前几年在国际上发布过声纹识别方面的论文，今年在小度智能屏中，声纹识别功能已经成为卖点之一。
阿里约在 3 年前开始推广声纹识别，主要运用于平台用户的身份核验，比如在线身份校验服务，用户可通过声纹识别在手机淘宝进行密码修改等。
腾讯云也与微信智能团队共同推进声纹识别，借助云端大数据的优势，根据个人属性提供更多差异化服务内容，并进一步提升安全性，运用在安保、金融、智能硬件等领域。
写在最后
在 AIoT 的推动下，声纹识别技术有望推动一些场景的升级迭代，在未来的人机交互中，带动从硬件到软件在更多商用场景中的发展。多模态的技术应用可能会率先兴起，比如在身份识别场景中，通过声纹+人脸融合验证，在精度要求、安全保障以及不同场景下的体验提升都能得到满足。
这从当前的国际技术趋势上也可以看到一些发展轨迹，例如通过多模态建模，将人脸和声纹中的信息和参数融合在一个架构和模型中，实现语音内容和说话人身份同时识别、语种和说话人身份同时识别等。
