伴隨著互聯(lián)網(wǎng)的個(gè)性蓬勃，人們開始面臨一個(gè)非常困擾的化定問題，充斥在互聯(lián)網(wǎng)上的聲紋識(shí)別信息如海洋般豐富，如何快速查找到適合我們的技術(shù)信息呢？——千人千面的個(gè)性化定制應(yīng)運(yùn)而生。
說到千人千面，最為用戶熟知的恐怕要屬今日頭條。依托先進(jìn)的大數(shù)據(jù)技術(shù)，為不同年齡、不同性別、不同愛好的用戶推薦不同的新聞內(nèi)容，打造新聞資訊的千人千面，成為越來越懂你的新聞資訊客戶端，也博得了一大批用戶的喜愛。
數(shù)年前智能電視崛起，顛覆了傳統(tǒng)電視的形態(tài)，搭載智能操作系統(tǒng)和視頻內(nèi)容，能按照用戶意愿下載各種第三方app，極大程度上拓展了電視的娛樂功能，延伸了家庭電視的內(nèi)涵，給萬千用戶帶來更為新穎的視聽體驗(yàn)。隨著技術(shù)的發(fā)展和人工智能概念的應(yīng)用，眾多電視系統(tǒng)開發(fā)者不滿足于僅有的“操作系統(tǒng)”，而是花費(fèi)了更多心思用于“智能”操作系統(tǒng)的研發(fā)。這些“智能”操作系統(tǒng)不僅可以下載安裝各種APP，而且擁有語音交互、在線購物、人臉識(shí)別、視頻通話、AR等功能，在此基礎(chǔ)上，進(jìn)一步實(shí)現(xiàn)了視頻內(nèi)容的千人千面和個(gè)性化定制，將周到的服務(wù)體驗(yàn)轉(zhuǎn)嫁到了電視層面。
那么問題又來了。很多業(yè)內(nèi)人士都對智能電視的個(gè)性化定制提出了疑問。電視的家庭屬性非常強(qiáng)，一臺(tái)電視屬于爺爺奶奶、爸爸媽媽、兒子女兒，電視該如何判斷此刻是誰在使用，該怎么為不同的家庭成員推薦不同的內(nèi)容，從而實(shí)現(xiàn)真正意義的個(gè)性化定制。
基于現(xiàn)有技術(shù)水平和電視機(jī)本身的構(gòu)造，要實(shí)現(xiàn)能夠識(shí)別用戶的個(gè)性化定制，方式主要有兩種：一是通過外置攝像頭，達(dá)到識(shí)別人臉的效果；二是通過話筒，實(shí)現(xiàn)聲紋識(shí)別。
今天我們主要說一下聲紋識(shí)別。
在普通大眾眼中，聲紋識(shí)別和語音識(shí)別是兩個(gè)很容易混淆的概念，其實(shí)二者有著很大的區(qū)別。語音識(shí)別的重點(diǎn)在于“聽得懂說什么”，聲紋識(shí)別的重點(diǎn)在于“聽得懂是誰說”。聲紋識(shí)別是一種基于人類“生物特征”的身份辨認(rèn)方法，與指紋、唇紋、虹膜等一樣，也被稱為“活體密碼”，擁有極高的安全性，例如微信就采用了聲紋作為密碼驗(yàn)證。
為什么聲紋識(shí)別有著越來越廣闊的前景呢？最主要的原因是，能夠使用語言是人類與動(dòng)物最主要的區(qū)別之一，語言也是人類生活中最廣泛的溝通方式，最天然的溝通入口，因此人類要訓(xùn)練機(jī)器，讓機(jī)器擁有聽懂和表達(dá)語言的能力，不但要聽懂“說什么”，還要聽懂“是誰說”，如此一來，人工智能便能成為人類的工具，服務(wù)于人，所以聲紋識(shí)別成為物聯(lián)網(wǎng)時(shí)代的風(fēng)口之一。
目前聲紋識(shí)別技術(shù)的工作流程主要有兩種，一種是“1對1”，可以用于密碼驗(yàn)證、身份驗(yàn)證等場景，比如微信語音密碼；另一種是“1對多”，這種技術(shù)比“1對1”更為復(fù)雜，因?yàn)樗梢跃珳?zhǔn)識(shí)別到每一位不同用戶，依賴的是機(jī)器學(xué)習(xí)和深度神經(jīng)網(wǎng)絡(luò)，從而為更廣闊的場景服務(wù)創(chuàng)造了無限可能。
與人臉識(shí)別所需要的攝像頭相比，聲紋識(shí)別只需要一個(gè)麥克風(fēng)，如果在電視或智能家居設(shè)備上配備，顯然其成本因素更為低廉，因此也更容易受到廠商青睞。
除微信語音密碼驗(yàn)證外，聲紋識(shí)別已經(jīng)開始在智能電視或智能音箱上使用。比如9月20日暴風(fēng)電視剛剛發(fā)布的AI2.0，“進(jìn)一步深化對用戶行為數(shù)據(jù)的收集，充分沉淀用戶的使用習(xí)慣，完成對用戶行為和聲紋的分析，實(shí)現(xiàn)精準(zhǔn)化內(nèi)容推薦。針對不同的年齡段，不同性別的人群按需推薦內(nèi)容，滿足不同用戶在家庭場景中個(gè)性化需求。”
在暴風(fēng)電視的現(xiàn)場演示中，通過語音喚醒暴風(fēng)大耳朵后，它可以根據(jù)聲紋識(shí)別出此刻正在收看電視的具體用戶，從而為該用戶推薦合適的視頻內(nèi)容，這不但增加了人與設(shè)備之間的溝通，也更符合人類語言行為習(xí)慣，讓機(jī)器更懂人類，向人工智能邁進(jìn)新的一步。
除構(gòu)建智能化場景服務(wù)外，聲紋識(shí)別還可用于銀行安保、身份驗(yàn)證、公安破案等具體場景，為大眾帶來更方便、安全的生活服務(wù)。
當(dāng)然，聲紋識(shí)別也不是萬能的，和其他技術(shù)一樣，也存在很多局限性。例如專業(yè)級(jí)別的技術(shù)門檻，只有擁有一定專業(yè)知識(shí)的技術(shù)人員才能實(shí)現(xiàn)聲紋識(shí)別功能；再例如周圍環(huán)境的噪音問題、嘈雜的現(xiàn)場、數(shù)人同時(shí)說話、遠(yuǎn)場語音識(shí)別等難題，這些問題的解決絕非一朝一夕，而是需要在長久的行業(yè)磨合中，逐漸摸索出一條全面而完善的聲紋識(shí)別道路，“路漫漫其修遠(yuǎn)兮”，相信在不久的未來，聲紋識(shí)別一定會(huì)像如今的指紋識(shí)別一樣，被大眾接受、普及。
作者:知識(shí)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
.gif)
