劉駿：大家好，我是東進(jìn)公司產(chǎn)品經(jīng)理劉駿，今天很高興能和大家一起共同探討新技術(shù)在行業(yè)中的應用，今天我講的是"聲紋識別技術(shù)及其應用"。
為什么會(huì )講這個(gè)主題呢，一是東進(jìn)技術(shù)與清華大學(xué)合作，將聲紋識別技術(shù)應用在了中國建設銀行的手機銀行業(yè)務(wù)中，這是將東進(jìn)技術(shù)硬件設備上的研發(fā)優(yōu)勢和清華大學(xué)在底層算法上的科研優(yōu)勢相結合的一個(gè)有益嘗試。二是以聲紋識別、人臉識別為代表的生物特征識別在近幾年特別火，不談其他的，就我們這個(gè)行業(yè)而言，可以看到，無(wú)論是呼叫中心行業(yè)還是通信企業(yè)，人工智能應用越來(lái)越多了，如我們可以看到智能機器人、語(yǔ)音識別（ASR）等，因此，東進(jìn)想在生物特征識別技術(shù)的應用領(lǐng)域做一些探索。
為什么生物特征識別技術(shù)近幾年特別火呢，我認為有三個(gè)原因，第一是技術(shù)的進(jìn)步所帶來(lái)的發(fā)展，第二是應用有強勁的需求，第三是大佬們的推波助瀾以及資本的熱捧。業(yè)內對生物特征識別也普遍持樂(lè )觀(guān)態(tài)度，這是權威的國際生物識別集團（International Biometric Group，IBG）在2014年做的《2007-2020全球生物識別技術(shù)行業(yè)市場(chǎng)規模與預測》，IBG預測，在2020年，全球生物識別技術(shù)行業(yè)的市場(chǎng)規模將達到250億美元。
生物特征識別技術(shù)涵蓋指紋、人臉、聲紋、瞳孔、掌紋以及靜脈紋，每種生物特征識別都有著(zhù)不一樣的技術(shù)特性和應用場(chǎng)景，在此我們可以簡(jiǎn)單比較一下聲紋和人臉之間的區別，人臉識別是基于人的生理特征，而聲紋識別不僅基于人的生理特征，也是基于人的行為特征。人臉在人的一生中是相對有規律的自然變化，而聲音不僅有相對規律的自然變化，也與人后天的生活環(huán)境、文化環(huán)境相關(guān)，具有極強的自然屬性和文化屬性，不易被仿冒，或者說(shuō)仿冒的難度比較高。因此，相對人臉識別，聲紋識識別更能夠應用到遠程身份認證領(lǐng)域，聲紋識別如果能和現有的基于互聯(lián)網(wǎng)的客戶(hù)服務(wù)結合，會(huì )有更好的應用前景和市場(chǎng)前景。
因此，國際生物識別集團在《2007-2020全球生物識別技術(shù)行業(yè)細分市場(chǎng)規模與預測》中預測，在2020年的250億美元市場(chǎng)中，指紋排第一，130億美元，聲紋排第二，為56億美元，人臉排第三，為24億美元，顯然，相比人臉，IBG對聲紋識別更樂(lè )觀(guān)一些。
需要講清楚的一點(diǎn)是，聲紋識別和語(yǔ)音識別是不一樣的，聲紋識別是基于發(fā)音特征，關(guān)注的是你是誰(shuí)，語(yǔ)音識別基于語(yǔ)義特征，關(guān)注的是你說(shuō)了什么，還有一點(diǎn)是聲紋識別有兩類(lèi)，一類(lèi)是確認，即要證明你是你，一類(lèi)是是辨認，就是在一堆人中找出你。
面向確認的聲紋識別應用已經(jīng)達到了實(shí)際商用水平，如司法行業(yè)的司法矯正中就用到聲紋識別，大家可能不知道，聲紋識別早在2010年前后就開(kāi)始在司法行業(yè)中得到應用了。基本流程是這樣的，假釋人員首先在司法部門(mén)進(jìn)行司法宣告，留下語(yǔ)音，然后給他一個(gè)具有LBS功能的手機，在監外服刑期間，司法矯正系統會(huì )定期對矯正對象所持手機進(jìn)行定位，以判斷對象是否在規定的地理位置，同時(shí)，利用東進(jìn)Keygoe多媒體交換機對手機進(jìn)行外呼，通過(guò)IVR引導矯正對象進(jìn)行聲紋比對，以判斷矯正對象和手機是否分離。目前，這種面向確認的聲紋識別技術(shù)在司法行業(yè)已經(jīng)達到較高的商用成熟度。還有一個(gè)應用就是手機的聲紋鎖，用聲紋來(lái)打開(kāi)你的手機，這種的應用的商用化程度也非常高。
而面向辨認的聲紋識別技術(shù)，我個(gè)人認為其商業(yè)化還有一段路要走，一個(gè)例子是汽車(chē)行業(yè)的用戶(hù)滿(mǎn)意度調查。汽車(chē)4S店將大量的客戶(hù)訪(fǎng)問(wèn)電話(huà)的錄音文件交到汽車(chē)廠(chǎng)商，為防止4S店作弊，汽車(chē)廠(chǎng)商需要將被仿冒的電話(huà)給找出來(lái)，這就需要通過(guò)聲紋識別技術(shù)來(lái)進(jìn)行，但從目前反饋的情況來(lái)看，效果并不理想，這倒不是技術(shù)問(wèn)題，而是和應用場(chǎng)景相關(guān)，因為不可能對汽車(chē)廠(chǎng)商的客戶(hù)進(jìn)行語(yǔ)音預留。
我們人類(lèi)對語(yǔ)音的說(shuō)話(huà)人鑒別是我們人類(lèi)在幾百萬(wàn)年的進(jìn)化過(guò)程中習得而來(lái)，與生俱來(lái)，而通過(guò)機器進(jìn)行說(shuō)話(huà)人識別跟人類(lèi)大腦的識別是不一樣的。在這個(gè)圖中，上面兩個(gè)是聲音的波形圖，即聲音振幅隨時(shí)間變化的曲線(xiàn)，下面兩個(gè)是語(yǔ)譜圖，即聲音在不同頻段的能量值大小隨時(shí)間的變化曲線(xiàn)，上世紀三四十年代，美國的Bell實(shí)驗室的勞倫斯·科斯塔通過(guò)觀(guān)察語(yǔ)譜圖第一次提出了"聲紋"的概念；到四十年代至七十年代，同樣是Bell實(shí)驗室的S.Pruzansky提出了基于統計學(xué)原理的聲紋識別理論，系統地發(fā)展了聲紋識別理論，理論體系得以初步建立，這一階段的研究主要集中在特征參數的選擇、提取上，相繼提出了線(xiàn)性預測倒譜系數、共振峰參數等特征參數；在上世紀七十年代至九十年代，聲紋識別技術(shù)發(fā)展迅速，參數提取上提出了應用較為成熟的梅爾頻率倒譜系數（MFCC）模式匹配，并相繼出現了矢量量化技術(shù)(VQ)、動(dòng)態(tài)時(shí)間規整(DTW)、隱馬爾科夫模型(HMM)等模式匹配模型；九十年代至今，開(kāi)始步入實(shí)際應用階段，工作重點(diǎn)是提高聲紋識別系統的可靠性和實(shí)用性。
衡量一個(gè)聲紋識別效果的重要參數是錯誤接受率和錯誤拒絕率，在這個(gè)曲線(xiàn)中，錯誤接受率和錯誤拒絕率是一個(gè)矛盾曲線(xiàn)，即兩者不可兼得，因此，業(yè)內提出來(lái)等錯率，目前的聲紋識別技術(shù)在理想的情況下等錯率可以做到低于0.5%，即在1000個(gè)的聲紋比對中，僅有不到5個(gè)的錯誤接受率和錯誤拒絕率。
聲紋識別就目前的應用來(lái)說(shuō)，主要有三個(gè)技術(shù)難點(diǎn)。
一個(gè)技術(shù)難點(diǎn)就是跨信道。這是在聲紋識別中，學(xué)習訓練通道和識別通道在相同和不同情況下，對等錯率的影響，藍色曲線(xiàn)的同一信道曲線(xiàn)，紅色曲線(xiàn)是跨信道曲線(xiàn)，可以看到，跨信道的等錯率幾乎到了20%，那么在實(shí)際應用中，我們該怎么去解決這問(wèn)題呢，特別是技術(shù)水平相對穩定的情況下該怎么解決這個(gè)問(wèn)題？
我們的做法是結合應用場(chǎng)景，盡量使訓練學(xué)習通道和識別通道都用同一個(gè)信道，盡量避免跨信道。這是一個(gè)駕校管理系統方案，為防止駕校侵占學(xué)員的學(xué)時(shí)，需要對學(xué)員進(jìn)行身份認證，現在的認證方法是學(xué)員IC卡讀取和指紋識別，學(xué)員通過(guò)教練車(chē)載終端進(jìn)行登錄，現在將聲紋識別技術(shù)引入進(jìn)來(lái)，如果學(xué)員報名時(shí)在報名處通過(guò)寬帶接入網(wǎng)進(jìn)行聲紋預留，在教練車(chē)上通過(guò)車(chē)載終端和3G網(wǎng)絡(luò )通道進(jìn)行識別時(shí)，就會(huì )影響實(shí)際的識別效果，我們提出的解決方案是，在報名時(shí)，學(xué)員下載APP后就通過(guò)移動(dòng)寬帶網(wǎng)絡(luò )進(jìn)行語(yǔ)音預留，在教練車(chē)上，車(chē)載終端僅下發(fā)動(dòng)態(tài)碼，學(xué)員仍然通過(guò)自己的手機利用移動(dòng)寬帶網(wǎng)絡(luò )通道進(jìn)行識別，這樣就能顯著(zhù)提高識別率。
第二個(gè)技術(shù)難點(diǎn)是錯誤識別。做到百分之百的正確識別是不現實(shí)的，但我們可以利用等錯率曲線(xiàn)，根據業(yè)務(wù)應用場(chǎng)景，通過(guò)參數配置，有針對性地提高或降低錯誤拒絕率或錯誤接受率，使之符合實(shí)際的應用場(chǎng)景。舉個(gè)例子，如果安全性較高的應用場(chǎng)景，如大額轉賬，我就將參數配置在這個(gè)區域，即較低的錯誤接受率和較高的錯誤拒絕率，犧牲便利性突出安全性，相信客戶(hù)在進(jìn)行大額轉賬時(shí)，應該是能夠忍受一定的不方便而獲得較高的安全性。當聲紋識別用于手機解鎖時(shí)，我們可以調整參數，使之工作低錯誤拒絕率和高錯誤接受率這個(gè)區域，提供較好的方便性，因為手機在大多數情況下都在我們身邊，誰(shuí)也不會(huì )沒(méi)事就拿著(zhù)手機找人家闖入。
第三技術(shù)難點(diǎn)就是假體攻擊。就指紋的假體攻擊，據說(shuō)淘寶上賣(mài)一個(gè)指紋只需要十幾塊錢(qián)，今年315晚會(huì )上，針對人臉識別的假體攻擊也讓人臉識別火了一把。就聲紋識別而言，常見(jiàn)的假體攻擊就是錄音以及錄音的拼接，從理論上講，通過(guò)錄音文件進(jìn)行闖入是存在可能性的。對錄音及錄音拼接，我們的解決方案是動(dòng)態(tài)碼，即下發(fā)一個(gè)隨機的8位數的數字，通過(guò)對這個(gè)動(dòng)態(tài)碼的識別來(lái)進(jìn)行身份驗證，提高了系統識別率和安全率，這也是我們?yōu)橹袊ㄔO銀行的手機銀行的遠程身份認證提供的解決方案。
中國建設銀行的手機銀行業(yè)務(wù)，其遠程身份認證的大致流程是這樣的，大家請看這個(gè)圖，首先是手機客戶(hù)端發(fā)起驗證請求， 銀行業(yè)務(wù)系統調用東進(jìn)的聲紋驗證機接口獲取ID和文本，以獲得隨機產(chǎn)生的ID和文本，然后將文本解碼并發(fā)送給手機銀行客戶(hù)端，手機銀行客戶(hù)端讀出文本，并將錄音發(fā)給銀行業(yè)務(wù)系統，銀行業(yè)務(wù)系統收到錄音后調用聲紋驗證機接口上傳用戶(hù)語(yǔ)音，聲紋驗證機返回聲紋驗證結果給銀行業(yè)務(wù)系統，銀行業(yè)務(wù)系統將驗證成功或失敗接口發(fā)給手機銀行客戶(hù)端。這就是我們現在向中國建設銀行提供的面向移動(dòng)互聯(lián)網(wǎng)的聲紋識別+動(dòng)態(tài)口令的遠程身份認證解決方案。
面向金融和支付領(lǐng)域的聲紋識別技術(shù)應用，目前一個(gè)行業(yè)問(wèn)題就是，能否將聲紋識別正式作為遠程身份認證的一個(gè)正式手段納入到相應的業(yè)務(wù)環(huán)節，不過(guò)有兩個(gè)動(dòng)向使我們對此很樂(lè )觀(guān)。一個(gè)是，去年中國人民銀行發(fā)布《關(guān)于推動(dòng)移動(dòng)金融技術(shù)創(chuàng )新健康發(fā)展的指導意見(jiàn)》中，要求銀行和清算機構提供手機等移動(dòng)金融服務(wù)時(shí)，應使用可靠的多因素身份認證方式，多因素身份認證中就有聲紋、人臉等選項；另外一個(gè)動(dòng)向是，中國人民銀行金融標準委員會(huì )正在組織起草《手機銀行中基于聲紋識別的增強安全應用技術(shù)規范》，目前正在征求意見(jiàn)階段，預計不久的將來(lái)，該規范將正式作為中國金融行業(yè)的一個(gè)正式標準，指導金融行業(yè)在聲紋識別技術(shù)的規范應用，相信能促進(jìn)聲紋識別市場(chǎng)的良性發(fā)展。
最后做一個(gè)廣告，這是東進(jìn)FV-1000聲紋驗證機，是東進(jìn)硬件設備上的研發(fā)優(yōu)勢和清華大學(xué)在底層算法科研優(yōu)勢結合的一個(gè)有益嘗試。就設備本身而言，行業(yè)內的朋友都知道，東進(jìn)在硬件設備的研發(fā)設計和生產(chǎn)制造上擁有超過(guò)20的創(chuàng )新歷史，設備以高可靠、高穩定、高性能和高靈活度的特點(diǎn)獲得了產(chǎn)業(yè)鏈上各個(gè)環(huán)節的高度認可。目前這臺FV-1000所搭載的聲紋識別算法不僅能通過(guò)靈活的參數配置來(lái)適應不同的應用場(chǎng)景，還具有防錄音和防錄音拼接功能，而且能夠進(jìn)行自我學(xué)習，適應人類(lèi)聲音的自然變化。另外，從聲紋識別技術(shù)應用的系統架構上看，東進(jìn)FV-1000聲紋驗證機處在系統架構較低層的接入層和支持層，并對上層應用提供應用開(kāi)發(fā)接口，應用開(kāi)發(fā)接口完全基于Web Service，這也體現了東進(jìn)一貫堅持的產(chǎn)業(yè)鏈合作的經(jīng)營(yíng)理念，東進(jìn)愿意與合作伙伴一起，共同打造基于（移動(dòng)）互聯(lián)網(wǎng)的遠程身份認證解決方案，探索生物特征識別技術(shù)在更廣泛行業(yè)中的應用。
總而言之，技術(shù)的進(jìn)步和應用需求使我們進(jìn)入了生物特征識別產(chǎn)業(yè)高速發(fā)展的增長(cháng)期，而要獲得持續的市場(chǎng)增長(cháng)，就需要我們在技術(shù)及其應用上進(jìn)一步去探索與突破，除此之外，生物識別技術(shù)的應用還存在一些安全和隱私問(wèn)題，除了技術(shù)需要進(jìn)一步提升外，行業(yè)還要制定相關(guān)的標準和規范，甚至國家在法律層面還需要制定相應的法律和法規，以明晰可能存在的風(fēng)險，讓我們在基礎研究、技術(shù)開(kāi)發(fā)、行業(yè)應用等方面共同努力，以更好的產(chǎn)品和服務(wù)迎接生物特征識別市場(chǎng)收獲季節的到來(lái)。
謝謝大家！
