聲紋識別的發展綜述

• 綜述
• • 聲紋概念與用於識別的優勢
  • 聲紋識別工作方式
  • 聲紋識別三大部分：特徵，模型，得分
  • • 語音特徵介紹
    • 聲紋模型的演進
    • 基於深度學習的聲紋技術
  • 其他語音技術介紹

綜述

聲紋概念與用於識別的優勢

聲紋的概念：聲音就是一段波，聲紋就是攜帶了資訊的聲波頻譜。
為什麼可以用於識別？

1. 聲紋不僅具有特定性，而且有相對穩定性的特點。成年以後，人的聲音可保持長期相對穩定不變，因此，它同指紋一樣，獨特的生物學特徵，可用於身份識別。
   
2. 聲紋特徵對比其他生物學特徵更有優勢。

聲紋識別工作方式

聲紋識別在產品上的本質主要就是以下兩種工作方式： 1比1 和 1比N

工作流程大致如下：

1. 提取語音，預處理，提取特徵
2. 利用訓練好的模型，計算該語音對應的聲紋模型或者聲紋特徵
3. 最後進行相似度打分，得到結果
   
   由此我們可以看出聲紋識別主要就是三大部分：特徵，模型，得分。下面根據這三大要素分別闡述

聲紋識別三大部分：特徵，模型，得分

首先看下這三大部分的整體技術流派和技術發展路線

語音特徵介紹

聲紋模型的演進

傳統的聲紋識別 主要是基於統計思想和概率論，結合聲學，訊號學，機器學習等演算法

2012年，跨入了以deep learning 為主線的演算法，DNN-based系統陸續出現，並基於深度學習領域的新思想持續改良

近兩年發展起來的End-to-End 端到端系統，代表：2018年穀歌百度的相關論文

基於深度學習的聲紋技術

上面的網路結構中，有一個Statistics Pooling Layer，負責將Frame-level Layer，Map到Segment-Level Layer，計算frame-level Layer的Mean和standard deviation。TDNN是時延架構，Output Layer可以學習到Long-Time特徵，所以x-vector可以利用短短的10s左右的語音，捕捉到使用者聲紋資訊，在短語音上擁有更強的魯棒性。

其他語音技術介紹

摘自知乎“巧克力工廠的查理”，用作學習總結。