聲紋識別(Voiceprint Recognition, VPR)，也稱為說話人識別(Speaker Recognition)，有兩類，即說話人辨認(Speaker Identification)和說話人確認(Speaker Verification)。前者用以判斷某段語音是若干人中的哪一個所說的，是“多選一”問題；而后者用以確認某段語音是否是指定的某個人所說的，是“一對一判別”問題。不同的任務和應用會使用不同的聲紋識別技術，如縮小刑偵范圍時可能需要辨認技術，而銀行交易時則需要確認技術。不管是辨認還是確認，都需要先對說話人的聲紋進行建模，這就是所謂的“訓練”或“學習”過程。
　　從另一方面，聲紋識別有文本相關的(Text-Dependent)和文本無關的(Text-Independent)兩種。與文本有關的聲紋識別系統(tǒng)要求用戶按照規(guī)定的內容發(fā)音，每個人的聲紋模型逐個被精確地建立，而識別時也必須按規(guī)定的內容發(fā)音，因此可以達到較好的識別效果，但系統(tǒng)需要用戶配合，如果用戶的發(fā)音與規(guī)定的內容不符合，則無法正確識別該用戶。而與文本無關的識別系統(tǒng)則不規(guī)定說話人的發(fā)音內容，模型建立相對困難，但用戶使用方便，可應用范圍較寬。根據特定的任務和應用，兩種是有不同的應用范圍的。比如，在銀行交易時可以使用文本相關的聲紋識別，因為用戶自己進行交易時是愿意配合的；而在刑偵或偵聽應用中則無法使用文本相關的聲紋識別，因為你無法要求犯罪嫌疑人或被偵聽的人配合。
　　在說話人辨認方面，根據待識別的說話人是否在注冊的說話人集合內，說話人辨認可以分為開集(open-set)辨認和閉集(close-set)辨認。前者假定待識別說話人可以在集合外，而后者假定待識別說話人在集合內。顯然，開集辨認需要有一個對集外說話人的“拒識問題”，而且閉集辨認的結果要好于開集辨認結果。本質上講，說話人確認和開集說話人辨認都需要用到拒識技術，為了達到很好的拒識效果，通常需要訓練一個假冒者模型或背景模型，以便拒識時有可資比較的對象，閾值容易選定。而建立背景模型的好壞直接影響到拒識甚至聲紋識別的性能。一個好的背景模型，往往需要通過預先采集好的若干說話人的數(shù)據，通過某種算法去建立。
　　如果技術達到一定的水平，可以把文本相關識別并入文本無關識別，把閉集辨認并入開集辨認，從而提供更為方便的使用方法。比如北京得意音通技術有限公司的“得意”身份證就是文本無關的、開集方式的說話人辨認和確認，“得意”身份證SDK還提供建立背景模型的工具。

CTI論壇報道