短语音说话人确认技术综述.PDF

73 智能系统 面向智能语音控制场景的 短语音说话人确认技术综述 文 / 北京大学深圳研究生院 现代信号与数据处理实验室 彭俊逸 邹月娴 基于语音的说话人认证技术（声纹识别技术）属于生物特征识别研究范畴，在互联网 / 物联网时代具有重要的应用价值。目前，限 定条件下的说话人身份认证技术已较为成熟，在智能手机、银行服务、门禁控制和智能客服等场景获得了广泛的应用。然而，作为 智能控制场景中实现基于语音的自然人机交互的关键技术，短语音说话人身份认证技术目前尚不能满足应用需求。本文将重点对短 语音说话人确认技术的研究进行技术综述。首先，概述说话人确认技术的基本概念和主流技术路线；其次，分析短语音说话人确认 技术面临的挑战；然后，对基于深度学习的说话人确认技术进行综述；最后，展望了短语音说话人确认技术的发展趋势和应用前景。 1 引言 人类之所以能够”闻其声而知其人”，是因为每个说话 究人员的工作主要集中在人耳听辨，模板匹配等方向；随着统 人都有不同的说话方式和用词习惯，以及略有差异的发声器官 计学和计算机科学的发展，说话人确认的工作开始转向语音特 生理结构，这两点导致不同说话人在声音上各具特点，具有不 征提取和模式匹配等方法研究；近年随着人工智能的崛起和计 同声纹信息。基于语音的说话人确认是利用计算机分析和提取 算能力的提升，基于机器学习和深度学习的说话人确认技术逐 语音中蕴含的说话人信息来自动进行说话人身份认证的技术， 渐成为主流。 是自然人机交互的重要技术之一，也是智能机器人的关键技术， 本文将首先介绍说话人确认的基本概念，其次从特征提 具有重要的研究价值。 取和短语音建模两个角度，对智能语音控制场景下的短语音说 说话人确认技术目前广泛应用于各类具有身份认证需求 话人确认技术的发展历程进行简要回顾，然后分析几类运用深 的领域，例如： 在智能家居领域，说话人确认技术能帮助智 度学习的短语音说话人确认技术，最后对发展趋势做出总结与 能设备确认说话人的身份，使得智能系统能对于不同说话人提 展望。 供定制化服务和内容；在金融领域，说话人确认技术可以用于 基于网络交易的远程身份认证，进而提高金融账户的安全性， 2 说话人确认技术综述 并降低基于互联网的金融犯罪成功率；在公安司法领域，可以 说话人确认（Speaker Verification）技术，如图 1 所示， 用于电信诈骗犯的身份侦查，从而帮助公安有效遏制并打击犯 是确定待识别的语音是否来自其所宣称的目标说话人 [1][2]， 罪。具体而言，公安人员可以利用说话人确认技术，先从电话 是“一对一”的判决问题。具体而言，说话人确认任务可以分 录音中截取目标说话人的语音数据，再匹配说话人数据库，最