1、聲紋識別，或者叫說話人識別(SpeakerRecognition),主要有兩類:1.說話人辨認(rèn)(SpeakerIdentification)，判斷這段聲音是哪個(gè)人說的；2說話人確認(rèn)(SpeakerVerification)，判斷這段聲音是不是這個(gè)人說的。這兩類問題的解決方法很相似，都需要使用“模型”。所謂模型，可以認(rèn)為是描述說話人特點(diǎn)的一組數(shù)據(jù)。模型的獲取(也叫做“訓(xùn)練”)，通常是對每一個(gè)說話人都事先錄音，然后進(jìn)行統(tǒng)計(jì)(當(dāng)然有很多復(fù)雜的流程，但可以簡單地認(rèn)為是統(tǒng)計(jì))，就得到了這個(gè)說話人的模型。有了模型后，對任何一段語音和任何一個(gè)說話人的模型，都可以計(jì)算一個(gè)“相似度”，相似度越大，這個(gè)語音就越可

2、能屬于這個(gè)說話人。對于說話人辨認(rèn)任務(wù)，把語音和每個(gè)說話人的模型比較一下，哪個(gè)相似度最大，就認(rèn)為這個(gè)語音是哪個(gè)說話人的；對于說話人確認(rèn)任務(wù)，把語音和這個(gè)說話人的模型比較一下，計(jì)算的相似度只有足夠大，才認(rèn)為這個(gè)語音是這說話人的。15.1概述聲紋識別(VoiceprintRecognition,VPR是生物識別技術(shù)(biometrics)的一個(gè)分支，也稱為說話人識別(SpeakerRecognition)有兩類即說話人辨認(rèn)(SpeakerIdentification)和說話人確認(rèn)(SpeakerVerification)。說話人識別用以判斷某段語音是若干人中的哪一個(gè)所說的，是“多選一”問題；說話人辨

3、認(rèn)用以確認(rèn)某段語音是否是指定的某個(gè)人所說的，是“一對一判別”問題。不同的任務(wù)和應(yīng)用會使用不同的聲紋識別技術(shù)。MA對比是哪個(gè)人說話人編號匹酉己分?jǐn)?shù)/櫃率是XX的聲音嗎？A>0接受A<e拒識說話人1說話人E辨認(rèn)(Tdentifjcat1on)專斛孕端處理宣稱說話人模型k前端處廷冒名璟替者樓型確認(rèn)(Verification)說話人k圖24聲紋識別流程聲紋識別有文本相關(guān)的(Text-Dependent和文本無關(guān)的(Text-Independent兩種。與文本有關(guān)的聲紋識別系統(tǒng)要求用戶按照規(guī)定的內(nèi)容發(fā)音，每個(gè)人的聲紋模型逐個(gè)被精確地建立，而識別時(shí)也必須按規(guī)定的內(nèi)容發(fā)音，因此可以達(dá)到較好的識別

4、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(nèi)容不符合，則無法正確識別該用戶。而與文本無關(guān)的識別系統(tǒng)則不規(guī)定說話人的發(fā)音內(nèi)容，模型建立相對困難，但用戶使用方便，可應(yīng)用范圍較寬。根據(jù)特定的任務(wù)和應(yīng)用，兩種是有不同的應(yīng)用范圍。15.2技術(shù)原理簡介無論是辨認(rèn)還是確認(rèn)，其基本流程中，都需要先對說話人的聲紋進(jìn)行建模，稱為“訓(xùn)練”。訓(xùn)練得到的模型用于識別判斷。圖25模型訓(xùn)練流程聲紋識別的經(jīng)典方法是GMM-UBM方法。高斯混合模型(GMM)將空間分布的概率密度用多個(gè)高斯概率密度函數(shù)的加權(quán)和來擬合，可以平滑地逼近任意形狀的概率密度函數(shù)，并且是一個(gè)易于處理的參數(shù)模型。在具體表示上，這個(gè)模型實(shí)際上就是把高斯混

5、合模型的每個(gè)高斯分量的均值向量排列在一起組成一個(gè)超向量作為某一個(gè)說話人的模型，稱為均值超矢量。在訓(xùn)練說話人模型的時(shí)候，由于注冊時(shí)說話人的數(shù)據(jù)稀疏，通常利用一個(gè)通用背景模型(UniversalBackgroundMode，UBM)和少量的說話人數(shù)據(jù)，通過自適應(yīng)算法得到目標(biāo)說話人模型。用測試數(shù)據(jù)分別與目標(biāo)說話人模型和UBM進(jìn)行似然度比較，然后將這兩個(gè)似然相除再取對數(shù)，用得到的值作為打分來評價(jià)一條測試數(shù)據(jù)是否和模型匹配。象模型說話人1說話人2'說話人，訓(xùn)媒潔音I說話人1說話人2_說話人，目標(biāo)說話圖26GMM-UBM系統(tǒng)GMM-UBM系統(tǒng)不能夠很好解決說話人識別領(lǐng)域中信道魯棒問題，因此通常使用聯(lián)合因子分析方法來解決信道魯棒問題。在GMM-UBM系統(tǒng)中的高斯模型均值超矢量，可以分為跟說話人本身有關(guān)的矢量特征和跟信道以及其他變化有關(guān)的矢量特征的線性疊加，即將說話人GMM均值超矢量所在的空間劃分為本征空間，信道空間和殘差空間。聯(lián)合因子分析方法抽取出跟說話人本身相關(guān)的特征而去掉和信道相關(guān)的特征，這樣能夠更好地克服信道影響進(jìn)行識別了。聯(lián)合因子分析法比GMM-UBM的性能明顯提高。iVector方法是的聯(lián)合因子分析建模的改進(jìn)，也目前的主流商用方法。iVector方法采用一個(gè)空間，全