配音演員模仿其他人的聲音，雖然聽覺上相似，但也無法模仿說話者最本質的特性。從聲紋特征分析上還是會有差異。

　　繼“刷臉”之后聲紋識別也已進入我們的生活。近日，平安科技和金融壹賬通聯合項目組與廣發銀行簽署了聲紋核身項目，將在銀行預防欺詐、提供優質服務方面發揮作用。此前，市場監管總局、人民銀行兩部委發文，決定將支付技術產品認證擴展為金融科技產品認證，并確定了《金融科技產品認證目錄(第一批)》，該認證目錄中也包括聲紋識別系統。

　　那么，什么是聲紋？它會被模仿導致識別設備誤判嗎？

　　頻譜、韻律、語言特征均有差異聲紋具有唯一性和獨特性

　　聲紋是生物識別特征的一種，是在說話人發聲時提取出來的，可以作為說話人的表征和標識，能與其他人相互區別的語音特征，以及基于這些特征或參數所建立的語音模型的總稱。聲紋識別又稱為說話人識別，是從說話人發出的聲音頻譜圖中提取身份特征信息和聲紋特征，再把聲信號轉換成電信號，用計算機通過相關算法進行比對識別的技術。

　　清華大學信息技術研究院教授鄭方說，語音信號之所以被形容為“形簡意豐”，是因為聲音包含有內容、身份、情感、年齡及健康狀況等豐富的信息。再加上人類語言的產生要經過人體語言中樞與發音器官間復雜的生理物理過程，理論上說，每個人說話時的短時頻譜、聲源、時序動態、韻律、語言學特征等都有差異。因此，聲紋就像指紋一樣具有唯一性和獨特性。

　　與人臉、指紋和虹膜識別相比，聲紋識別有著諸多優勢，比如聲紋語料收集方式自然，無須進行眨眼、擺動臉部等特定動作，不受光線或隱私等特定場景的約束，人們接受度更高；聲紋識別可以隨機改變朗讀內容，即便曾在網上或其他地方留下語音信息，也不易被復制或盜用。“被識別人不需要近距離接觸識別設備，聲紋可以通過電話、APP等渠道傳達語音到后臺進行識別，并且可以在用戶語音對話過程中自動完成識別，使用成本低而且方便快捷。”平安科技聲紋領域專家告訴科技日報記者。

　　聽起來相似不等于聲紋相似聲紋識別準確率已超過99%

　　登錄手機銀行APP，開啟聲紋驗證，用戶只要準確說出隨機動態碼，系統錄制語音信息、驗證聲紋及隨機動態碼后，就能進行轉賬、支付等交易……目前，聲紋識別已經在部分銀行開始使用了。

　　不過，生活中聲音相似的人有很多，有些配音演員還可以模仿他人的聲音，用聲紋作為金融產品認證會不會很不安全？對此，平安科技聲紋專家解釋說，總體來說，聲紋是穩定的生物特征。除了人一生中的某些年齡段如少年變聲期，聲紋可能會有所變化，大多數情況下聲紋特征是穩定的。

　　由于每個人在說話時使用的發聲器官，如舌頭、牙齒、口腔、聲帶、肺、鼻腔等在尺寸和形態方面有所差異，以及年齡、性格、語言習慣等多種原因，在發音時千姿百態，導致這些器官每個人發出的聲音必然有著各自的特點。特別是，每個人在說話過程中所蘊含的個性特征，如發音習慣等幾乎是獨一無二的，就算被模仿，也改變不了說話者最本質的特性。

　　“因此，配音演員模仿其他人的聲音，雖然聽覺上相似，但也無法模仿說話者最本質的特性。從聲紋特征分析上還是會有差異，是可以區別開來的。”

　　根據測算結果，公安部發布《GA/T 1179-2014安防聲紋確認應用算法技術要求和測試方法》標準，聲紋科技產品依據該標準進行數據采集。目前，用戶如果按照事先指定的文本讀出內容，聲紋識別準確率已達99.8%；如不照讀事先指定的文本內容而隨意發聲，聲紋識別準確率也能達到99.1%。“雖然準確率不低，但還是存在誤判的可能，在設計使用場景和流程時，需要考慮到聲紋識別并非100%準確率的現實。”平安科技聲紋專家說，聲紋作為金融產品的認證，需要看具體場景。對于輔助核實身份、名單識別、防欺詐、聲紋鎖登錄等場景使用是合適的；但在大額支付類的場景中，如果將聲紋作為唯一的認證手段，就需要充分評估風險。

　　目前，除了金融領域外，聲紋正在進入公共安全、智能家居、智慧教育、智能社區等行業，并根據不同應用場景的特點進行針對性開發。如冒領養老金的事件時有發生，如果要求高齡老人必須親臨現場驗明正身才能領取養老金，又會非常不便。聲紋確認技術具有遠程操控屬性，社保局通過預裝聲紋身份認證系統，就可對領養老金者開展遠程身份認證，實現“信息多跑路，群眾少跑腿”。目前，貴州省黔東南州等地正在開展相關試點。

　　相關鏈接

　　聲紋識別技術發展“三步走”

　　以語音作為身份認證的手段，最早可追溯到17世紀60年代英國查爾斯一世之死的案件審判中。1966年，美國法院第一次采用聲紋進行取證。隨著研究手段和計算機技術的不斷進步，聲紋識別逐步由單純的人耳聽辨，轉向基于計算機的自動識別。

　　聲紋識別技術發展大致可以分為3個階段：第一階段，基于模板匹配的方法。像人臉一樣，聲紋要先做注冊，再做驗證，注冊時說的內容要和驗證時是一樣的。比如注冊時說了“密碼”二字，驗證時也必須說“密碼”，這相當于驗證時被限制了，只是比較這兩個聲音像不像；第二階段，2000年開始的基于概率模型研究。如有的人說話快，有的人說話慢，聲音是有時間長度的，要把可變長度的向量變成物理程度，這是基于高斯模型概率統計的，這時的聲紋識別準確性會受到噪聲、干擾等影響；第三階段，2012年左右開始，深度學習給人工智能發展帶來了巨大的影響，同樣也快速推動了聲紋識別的發展。

　　(原題為《聲音會被模仿，聲紋還可靠嗎》)