近日，全球最大的語(yǔ)音會(huì )議 INTERSPEECH 2020 公布了 SdSV 聲紋識別比賽成績(jì)，網(wǎng)易 AI Lab 從眾多國際頂級隊伍中脫穎而出，獲文本相關(guān)聲紋識別賽道綜合排名第一、單模型第一的雙料冠軍。彰顯了網(wǎng)易 AI Lab 在語(yǔ)音聲紋識別技術(shù)領(lǐng)域的領(lǐng)先地位。

　　本次國際聲紋識別比賽是業(yè)界非常具備權威性的賽事，參賽隊伍來(lái)自國際多家知名高校與企業(yè)，包括近兩年全球各項聲紋識別比賽中的“常勝將軍”：布爾諾工業(yè)大學(xué)、新加坡通信研究院、約翰霍普金斯大學(xué)等。

　　比賽中，網(wǎng)易 AI Lab 基于常見(jiàn)的X-Vector 和 PLDA 算法，創(chuàng )新地提出了一種 ASR-free 的文本相關(guān)聲紋識別算法。相比傳統的 Deep Speaker Embedding 方法，該算法不需要依賴(lài)語(yǔ)音識別，就能夠在多語(yǔ)言環(huán)境下，同時(shí)完成說(shuō)話(huà)人和文本內容的驗證。

　　比賽采用 MinDCF(最小檢測代價(jià))和 EER(等錯誤率)作為評測指標。網(wǎng)易 AI Lab 的單模型在兩個(gè)指標均為最佳，其中 EER 達到了 1.67%，相比第二名降低了 11.6%，并遠低于比賽 X-Vector 基線(xiàn)系統(EER=9.05%)。

　　評估算法系統性能時(shí)常輸出 ROC 曲線(xiàn)，用于描述 FAR(誤識率)與 FRR(拒識率)之間的關(guān)系。

　　簡(jiǎn)單說(shuō)，在聲紋識別中，誤識率就是“把不應該匹配的聲紋當成匹配聲紋”的比例，拒識率則是“把應該匹配的聲紋當成不匹配聲紋”的比例。

　　在對安全要求非常高的應用場(chǎng)景，就會(huì )把 FAR 值設置得低一些，因為判斷錯一次的代價(jià)很大，但這樣做的同時(shí)會(huì )導致 FRR 值上升，用戶(hù)體驗度下降。

　　等錯誤率(EER)是系統的誤識率(FAR)和拒識率(FRR)相等時(shí)的錯誤率，即 ROC 曲線(xiàn)與 45 度角直線(xiàn)相交的點(diǎn)，是衡量聲紋識別算法系統綜合性能的重要指標。EER 數值越小，系統性能越好。

　　聲紋識別是生物識別技術(shù)的一種，也稱(chēng)為說(shuō)話(huà)人識別，是一種通過(guò)聲音判別說(shuō)話(huà)人身份的技術(shù)。

　　目前，人工智能主要有三個(gè)研究方向：視覺(jué)識別、智能語(yǔ)音、NLP 自然語(yǔ)言處理。其中，在語(yǔ)音識別領(lǐng)域，聲紋識別屬于相對藍海市場(chǎng)，解決的主要是“我是我”的身份認證問(wèn)題，多應用在安全驗證場(chǎng)景。

　　從近幾年的市場(chǎng)趨勢來(lái)看，銀行，金融服務(wù)，保險已成為聲紋識別應用的領(lǐng)導領(lǐng)域。

　　隨著(zhù)技術(shù)的不斷成熟和融合，聲紋識別技術(shù)將逐漸融入日常生活，根據不同應用場(chǎng)景的特點(diǎn)進(jìn)行針對性開(kāi)發(fā)，將產(chǎn)生巨大的應用價(jià)值。

　　而網(wǎng)易 AI Lab 聲紋識別技術(shù)其實(shí)早已被運用于游戲場(chǎng)景中。除了進(jìn)行游戲身份驗證，還能夠針對音色對用戶(hù)進(jìn)行分類(lèi)、豐富玩家畫(huà)像，從而更加精準地為玩家推薦志趣相投的好友、匹配實(shí)力相當的對手，為玩家帶來(lái)更好的游戲體驗。
　?。?a href="http://www.reeanfmc.com/wechat/">河北小程序開(kāi)發(fā)）