语音之家声纹识别与音频处理

识别类型

1． 按应用场景分类

一对一：身份确认，即在知道是某人身份的情况下，判断音频是不是此人的声音。例如在银行app，当前已经登录账户，在进行转账或其它操作时，需要判断是否本人在操作，这时候就可以通过一对一场景下的声纹识别，判断是不是登录的账号本人。

一对多：身份辨认，在一个注册了很多声纹用户组中，根据音频判断是其中的哪个人的声音。比如很多人用微信注册了声纹，然后用声纹锁登录时，需要判断在所有已注册声纹的用户中，音频对应的是其中哪个人，在很多的注册用户中，找到音频对应的声音身份。

多对多（声纹聚类）：在一些杂乱的音频中，找出特征相似（某个人）的所有音频，则可以通过音频之间的对比，把相似的音频归为一类，从而选出特征相似（同一个人）所有音频。

2. 按音频内容分类

文本相关：文本相关指的是说出规定的短句（一般为4到6个字的短句），用于声纹识别。例如在智能音箱唤醒的时候，可以根据音色判断唤醒人的身份 ，如果是小孩子唤醒则可以开启儿童模式，如果是未提前注册的则不能进行唤醒音箱。

文本半相关（随机数字串）：指的是随机的6位或8位数字串，这是一种配合式的声纹识别模式，需要读出app或者其它客户端生成的6位或8位数字串，也可以结合语音识别技术（ASR）判断读的数字串是否正确。目前文本半相关的声纹识别模式在生活中接触到的最多，许多银行类的APP，以及微信和支付宝声纹识别都采用的这种方式，方便读、识别率也高。所以很多APP上的声纹识别身份认证一般都采用一对一的随机数字串。