一、聲紋識(shí)別技術(shù)

 

聲紋識(shí)別是生物識(shí)別技術(shù)的一種，也是語音技術(shù)的分支，也被稱為說話人識(shí)別，包含聲紋注冊(cè)和聲紋認(rèn)證兩道程序。所謂聲紋識(shí)別就是把聲信號(hào)轉(zhuǎn)換成電信號(hào)，提取特征、搭建模型，根據(jù)匹配度進(jìn)行識(shí)別判斷。

 

聲紋識(shí)別VS語音識(shí)別

 

聲紋識(shí)別相比于語音識(shí)別，近年來才逐漸進(jìn)入大眾視野，兩者同為語音前端信號(hào)處理，經(jīng)常被放在一起比較。而談及兩者的共性及區(qū)別時(shí)，快商通聯(lián)合創(chuàng)始人李稀敏博士在接受億歐智庫采訪時(shí)表示：“聲紋的載體是語音，而所謂語音就是指人說的話。在人類正常的語音交互中，我們可以識(shí)別語音主體的意圖、情緒、性別、身份以及內(nèi)容等信息。而利用人工智能技術(shù)完成這一識(shí)別，則需要依靠語音及聲紋的提取與處理。語音識(shí)別和聲紋識(shí)別雖然在智能語音技術(shù)流程中都屬于對(duì)語音信號(hào)的處理，但實(shí)際的技術(shù)方向及應(yīng)用卻截然相反。”

 

“語音識(shí)別追求的是聲音的共性”，李稀敏博士表示。也就是針對(duì)不同個(gè)體對(duì)于同一句話的不同聲音、口音、語速表達(dá)，可以翻譯成同樣的文字。比如在使用智能音箱時(shí)，對(duì)于同樣的指令，無論發(fā)出這個(gè)指令的個(gè)體是男是女，南方抑或是北方口音，智能音箱都需要能夠?qū)φZ音輸入提取共性，并作出準(zhǔn)確的一致的應(yīng)答。

 

與之相比，“聲紋識(shí)別則追求聲音的個(gè)性”，即針對(duì)同一個(gè)體在不同情境下的不同表達(dá)，可以認(rèn)證聲源來自同一個(gè)體。比如微信的語音登陸系統(tǒng)，有時(shí)因外部環(huán)境，身體狀態(tài)等因素，說話人的語音輸入會(huì)出現(xiàn)語速，音高等變化，而一個(gè)完善的聲紋識(shí)別系統(tǒng)，則需要能夠提取不同情境下語音輸入信號(hào)的個(gè)性，并準(zhǔn)確認(rèn)證說話人的身份以完成登陸。

 

聲紋辨認(rèn)VS聲紋確認(rèn)

 

聲紋識(shí)別主要有兩大應(yīng)用場(chǎng)景，聲紋辨認(rèn)和聲紋確認(rèn)，其中：

 

聲紋辨認(rèn)，也被稱作1:N識(shí)別，主要應(yīng)用于在語音庫范圍內(nèi)的語音篩查，即在海量聲紋數(shù)據(jù)庫中找到說話人的過程。比如，金融語音銷售場(chǎng)景下，可以迅速根據(jù)來訪者聲紋信息與自身聲紋數(shù)據(jù)庫對(duì)比，判斷客戶是否為初次購買，抑或是否在征信黑名單中，從而調(diào)整銷售策略。

 

聲紋確認(rèn)，也稱1:1驗(yàn)證，主要應(yīng)用于安全訪問驗(yàn)證及身份認(rèn)證等場(chǎng)景，系統(tǒng)對(duì)說話人進(jìn)行語音認(rèn)證，完成”你是不是你”的身份判斷。相比起聲紋辨認(rèn)，聲紋確認(rèn)對(duì)于語音輸入信息的質(zhì)量要求更為嚴(yán)苛，比如微信的語音登錄功能會(huì)要求使用者在無嘈雜環(huán)境中對(duì)固定文本進(jìn)行語音輸入。

 

聲紋識(shí)別進(jìn)入落地階段，技術(shù)仍有發(fā)展空間

 

談及聲紋識(shí)別技術(shù)成熟度，李稀敏博士表示：“聲紋識(shí)別擁有數(shù)十年的研究歷史，但由于技術(shù)的局限，近年來才逐漸進(jìn)入應(yīng)用落地階段，技術(shù)成熟度相當(dāng)于3年前的語音識(shí)別。”

 

因此語音識(shí)別所面臨的絕大部分技術(shù)痛點(diǎn)，也同樣影響著聲紋的發(fā)展。因聲源采樣率、信噪比、信道、語音時(shí)長(zhǎng)、文本內(nèi)容等因素變化而造成的準(zhǔn)確率變化明顯。因此提升聲紋識(shí)別系統(tǒng)的魯棒性是聲紋識(shí)別大規(guī)模落地應(yīng)用的前提條件。

 

深入金融安防領(lǐng)域，多元語音技術(shù)融合助力場(chǎng)景落地

 

由于聲紋識(shí)別系統(tǒng)的特殊性，在進(jìn)行識(shí)別前，需要進(jìn)行聲紋注冊(cè)，因而聲紋識(shí)別的應(yīng)用對(duì)于數(shù)據(jù)庫有著較強(qiáng)的依賴。另一方面，前文提到的聲紋識(shí)別技術(shù)的不成熟，也導(dǎo)致其使用體驗(yàn)無法達(dá)到預(yù)期效果。因此數(shù)據(jù)的缺乏以及技術(shù)的痛點(diǎn)導(dǎo)致聲紋識(shí)別與行業(yè)融合程度較淺，也成為聲紋識(shí)別落地傳統(tǒng)行業(yè)的主要障礙。

 

李稀敏博士表示，現(xiàn)階段聲紋識(shí)別主要應(yīng)用在公安、司法以及金融領(lǐng)域。主要是因?yàn)槁暭y識(shí)別直接的解決了這些行業(yè)的痛點(diǎn)，應(yīng)用價(jià)值大，因而在行業(yè)的資本投入下，聲紋識(shí)別的行業(yè)落地獲得了快速發(fā)展。

 

除金融安防領(lǐng)域外，現(xiàn)階段聲紋識(shí)別在民生場(chǎng)景中的應(yīng)用還處于初期試水階段，如家居車載中聲紋判定系統(tǒng)，硬件中的聲紋門禁等等。

 

智能語音技術(shù)的全面發(fā)展，以及智能設(shè)備的爆發(fā)式增長(zhǎng)，為聲紋識(shí)別提供了更多的應(yīng)用端口，而與多元語音技術(shù)的融合也成為聲紋識(shí)別落地更多行業(yè)場(chǎng)景提供了技術(shù)保障。在未來聲紋識(shí)別將向著聲紋+智能，以及多模態(tài)識(shí)別的方向發(fā)展。

 

二、聲紋識(shí)別市場(chǎng)

 

應(yīng)用前景廣闊

 

相比為人所熟知的指紋識(shí)別、人臉識(shí)別，聲紋識(shí)別作為生物識(shí)別的另一個(gè)主要的分支，雖然剛剛從實(shí)驗(yàn)室走出進(jìn)入大眾視野，但卻擁有較強(qiáng)的適用性和較大的應(yīng)用空間。根據(jù)快商通提供的信息整理，首先，聲紋識(shí)別具有更高的采集便捷性，用戶接受度更高，被采集者無需接觸傳感器或面對(duì)鏡頭，即可完成識(shí)別。在疫情所帶來的新需求下，聲紋識(shí)別擁有極大的落地空間。

 

與此同時(shí)，聲紋識(shí)別在1:1驗(yàn)證應(yīng)用下的準(zhǔn)確率高，并因聲紋的穩(wěn)定性，造假難度較高，是理想的生物識(shí)別模式。此外聲紋傳感器相對(duì)低廉的造價(jià)及部署成本也使得聲紋識(shí)別擁有可被廣泛應(yīng)用的優(yōu)勢(shì)。

 

聲紋技術(shù)難盈利，技術(shù)服務(wù)商何去何從？

 

現(xiàn)階段聲紋識(shí)別賽道的服務(wù)商普遍處于虧損狀態(tài)，而剖析這一現(xiàn)象，需要從利潤(rùn)和成本兩個(gè)方向進(jìn)行考慮。

 

聲紋技術(shù)和行業(yè)早期磨合階段，滲透率較低

 

聲智科技戰(zhàn)略合伙人&COO李智勇首先表示：“聲紋識(shí)別作為一種新的技術(shù)，雖然提供了更多的可能性，但是必須要和行業(yè)進(jìn)行進(jìn)一步的深度結(jié)合。然而在技術(shù)落地早期階段的磨合試探過程中，通常不會(huì)很通暢，這也導(dǎo)致了現(xiàn)階段的聲紋識(shí)別應(yīng)用勢(shì)必?zé)o法深度滲透行業(yè)。”

 

李稀敏博士也有類似的觀點(diǎn)，他認(rèn)為在聲紋產(chǎn)品在沒有深度結(jié)合產(chǎn)業(yè)的情況下，產(chǎn)品過于單一，盈利的可能性很小。而另一方面聲紋技術(shù)仍不成熟，在無法達(dá)到預(yù)期使用期望的情況下，簽單量及簽單價(jià)都不理想。

 

技術(shù)紅利下，企業(yè)不斷增加研發(fā)成本

 

在投入成本方面，李智勇表示：“目前國(guó)內(nèi)企業(yè)正第一次主要進(jìn)行原創(chuàng)的技術(shù)研發(fā)，技術(shù)研發(fā)本身所投入的成本相比于產(chǎn)品公司更高。此外，在技術(shù)紅利驅(qū)使下，企業(yè)也紛紛將大量的人力物力投入到科研研發(fā)中，以期望技術(shù)所帶來的未來的巨大利潤(rùn)空間。”

 

據(jù)億歐智庫調(diào)查統(tǒng)計(jì)，現(xiàn)階段大部分聲紋技術(shù)服務(wù)商的研發(fā)人員占比均在50%以上，與此同時(shí)，國(guó)內(nèi)相關(guān)專利公開數(shù)量也不斷提升，技術(shù)研發(fā)已然成為了服務(wù)商的發(fā)展重點(diǎn)。

 

厚積薄發(fā)，多年沉淀等待破繭成蝶

 

綜合論述，較低的滲透率，及尚未成熟的技術(shù)體系導(dǎo)致聲紋識(shí)別營(yíng)收并不理想，另一方面技術(shù)紅利下，企業(yè)不斷加大自身研發(fā)成本。收支兩方面的因素導(dǎo)致現(xiàn)階段聲紋技術(shù)服務(wù)商的盈利十分艱難。然而這是一項(xiàng)新技術(shù)發(fā)展所需要經(jīng)歷的必然階段，新的技術(shù)勢(shì)必會(huì)引發(fā)新的產(chǎn)品和新的模式，而當(dāng)我們回顧2000年左右的互聯(lián)網(wǎng)市場(chǎng)，會(huì)發(fā)現(xiàn)和現(xiàn)階段的語音市場(chǎng)相差無幾。整個(gè)語音市場(chǎng)是否會(huì)像互聯(lián)網(wǎng)市場(chǎng)一樣，成為一個(gè)時(shí)代的標(biāo)志，我們尚未可知，不過可以相信的是，在不久的將來，待語音技術(shù)成熟，和行業(yè)深度融合的那一天，聲紋識(shí)別業(yè)務(wù)一定會(huì)迎來屬于他們的春天。

 

聲紋市場(chǎng)風(fēng)口何時(shí)到來？

 

2017年，6月《中華人民共和國(guó)網(wǎng)絡(luò)安全法》正式施行，明確將個(gè)人生物識(shí)別信息納入個(gè)人信息范疇管理。同年12月，工信部引發(fā)《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃(2018-2020年)》，智能身份識(shí)別系統(tǒng)、智能語音交互系統(tǒng)被率先列入重點(diǎn)發(fā)展8大領(lǐng)域。直至2020年，相關(guān)政策紛紛出臺(tái)，尤其是受年初疫情影響，無接觸，無感知的聲紋識(shí)別系統(tǒng)需求隨之增加。

 

市場(chǎng)方向，近年來全球生物識(shí)別產(chǎn)業(yè)規(guī)模不斷擴(kuò)大，聲紋識(shí)別的市場(chǎng)占比也逐年上升。而隨著技術(shù)的成熟以及在產(chǎn)業(yè)內(nèi)的不斷滲透，這一規(guī)模仍會(huì)繼續(xù)增加。市場(chǎng)參與者方向，綜合語音廠商，聲紋專業(yè)廠商，人工智能初創(chuàng)公司以及互聯(lián)網(wǎng)巨頭紛紛入駐聲紋賽道，并在各自細(xì)分領(lǐng)域不斷進(jìn)行行業(yè)融合，整體市場(chǎng)處于良性競(jìng)爭(zhēng)狀態(tài)。2016-2020年期間，聲紋識(shí)別賽道資本投資進(jìn)入加速階段，哪怕在2020年，資本市場(chǎng)整體遇冷情況下，賽道仍獲得多筆融資。

 

技術(shù)方向，李稀敏博士表示：“當(dāng)前聲紋學(xué)術(shù)領(lǐng)域，已經(jīng)在廣泛地使用最前沿的神經(jīng)網(wǎng)絡(luò)技術(shù)，用于解決聲紋技術(shù)所存在的問題，比如人聲分離、遠(yuǎn)場(chǎng)識(shí)別、跨信道等。預(yù)計(jì)3年左右，這些問題將得到較好地解決，在通過一段時(shí)間的實(shí)踐，算法和工程化都將得到驗(yàn)證。總而言之，5年以內(nèi)，風(fēng)口將來。”

 

綜合論述，盡管現(xiàn)階段聲紋識(shí)別的應(yīng)用仍具有局限性，但是聲紋主導(dǎo)的生物識(shí)別模式已經(jīng)進(jìn)入公眾視野，并被時(shí)代所接受。相信在未來，人臉識(shí)別大熱過后，聲紋識(shí)別一定能迎來屬于他的風(fēng)口。

 

三、聲紋識(shí)別市場(chǎng)參與者

 

企業(yè)不斷入局聲紋賽道，原因?yàn)楹危?/div>