揭秘百度聲紋解鎖技術(shù) 讓君子動(dòng)口不動(dòng)手

　　2012年12月，搭載百度云智能操作系統(tǒng)的聯(lián)想A586手機(jī)上市，其也是全球首款具有聲紋解鎖功能的智能手機(jī)。《大話西游》中的“芝麻開門”成為現(xiàn)實(shí)——手機(jī)能夠智能辨識(shí)主人的聲音進(jìn)行解鎖，一根手指頭都不用動(dòng)。如此炫酷的語(yǔ)音智能控制功能，技術(shù)上是如何實(shí)現(xiàn)的?百度工程師將為我們揭秘。

　　聲紋，每個(gè)人的聲音身份證

　　什么是“聲紋”(Voiceprint)?借用“指紋”去理解也許容易些，反正是每個(gè)人獨(dú)一無(wú)二的。

　　我們都有這樣的直觀感受，每個(gè)人說(shuō)話，語(yǔ)聲都不一樣。因?yàn)槿说陌l(fā)聲器官，包括聲帶、軟顎、舌頭、牙齒、唇等，存在著大小、形態(tài)及功能上的差異。這些差異會(huì)導(dǎo)致發(fā)聲氣流的改變，造成音質(zhì)、音色的差別。此外，人發(fā)聲的習(xí)慣亦有快有慢，用力有大有小，也造成音強(qiáng)、音長(zhǎng)的差別。音高、音強(qiáng)、音長(zhǎng)、音色在語(yǔ)言學(xué)中被稱為語(yǔ)音“四要素”，這些因素又可分解成九十余種特征。這些特征表現(xiàn)了不同聲音的不同波長(zhǎng)、頻率、強(qiáng)度、節(jié)奏。而語(yǔ)圖儀可以把聲波的變化轉(zhuǎn)換成電訊號(hào)的強(qiáng)度、波長(zhǎng)、頻率、節(jié)奏變化，儀器又把這些電訊號(hào)的變化繪制成波譜圖形，就成了聲紋圖。

　　總體而言，聲紋是用電聲學(xué)儀器顯示的攜帶言語(yǔ)信息的聲波頻譜?，F(xiàn)代科學(xué)研究表明，聲紋不僅具有特定性，而且有相對(duì)穩(wěn)定性的特點(diǎn)。成年以后，人的聲音可保持長(zhǎng)期相對(duì)穩(wěn)定不變。實(shí)驗(yàn)證明，無(wú)論講話者是故意模仿他人聲音和語(yǔ)氣，還是耳語(yǔ)輕聲講話，即使模仿得惟妙惟肖，其聲紋卻始終相同。通俗來(lái)說(shuō)，聲紋就是人的聲音的身份證。

　　百度聲紋解鎖技術(shù)原理：建立聲紋VS聲紋識(shí)別

　　實(shí)際上，百度聲紋解鎖的原理也牽涉到兩個(gè)階段的應(yīng)用。第一是聲紋注冊(cè)，也就是通過(guò)用戶的互動(dòng)，建立一個(gè)語(yǔ)音的身份證;其二，就是聲紋識(shí)別，通過(guò)既有的聲紋模型與當(dāng)前的用戶語(yǔ)音對(duì)比，看看是不是手機(jī)真正的主人。

　　在聲紋注冊(cè)階段，用戶需要對(duì)著手機(jī)念一段文字或者數(shù)字，當(dāng)然，為了排除用戶情緒的失控(比如第一次玩聲紋解鎖的哥們、妹妹們)，具備百度聲紋解鎖功能的手機(jī)會(huì)要求用戶重復(fù)輸入同樣的語(yǔ)音三次，這有點(diǎn)類似于我們?cè)O(shè)定密碼中的兩次輸入。

　　在聲紋識(shí)別階段，用戶只需要輸入注冊(cè)時(shí)使用的語(yǔ)音，通過(guò)手機(jī)系統(tǒng)的驗(yàn)證，就能超酷炫的語(yǔ)音解鎖登錄了。這時(shí)，語(yǔ)音解鎖是怎么工作的呢?它對(duì)當(dāng)前用戶的語(yǔ)音(姑且稱之為這個(gè)家伙)進(jìn)行處理，并對(duì)數(shù)據(jù)庫(kù)中的模型(主人)進(jìn)行匹配。結(jié)果其實(shí)就是兩種：一，如果“這個(gè)家伙”=“主人”，放行;二，如果“這個(gè)家伙”≠“主人”，就給出提示要求他注冊(cè)。

　　百度聲紋解鎖的絕招：噪音處置算法

　　大家一定想著，哇，超帥!開機(jī)不用手，動(dòng)動(dòng)嘴皮就行了。

　　不過(guò)，很多人就想到了，在這個(gè)人口爆棚的時(shí)代，充滿噪聲的環(huán)境無(wú)可避免，聲紋解鎖還能工作嗎?

　　實(shí)際上，這正是百度聲紋解鎖技術(shù)的絕活所在——百度采用了先進(jìn)的語(yǔ)音端點(diǎn)檢測(cè)算法和信噪比估計(jì)算法，能夠精確地判斷用戶輸入的語(yǔ)音信息是否有效。

　　大家知道，即便在嘈雜的環(huán)境中，我們?nèi)祟愡€是有一種超能力的——可以將噪音當(dāng)做耳邊風(fēng)，將注意力集中在對(duì)方說(shuō)話的聲音上(尤其是面對(duì)辣妹或帥哥時(shí))。但是手機(jī)相對(duì)偉大的人類來(lái)說(shuō)，這種能力絕不是與生俱來(lái)的。當(dāng)手機(jī)用戶說(shuō)話時(shí)，不管是人聲還是背景噪音，手機(jī)沒(méi)有辦法挑肥揀瘦，只能照單全收。

　　所以百度的工程師在研發(fā)手機(jī)的聲紋解鎖功能時(shí)，給它賦予了兩個(gè)超級(jí)的語(yǔ)音處理能力。第一個(gè)是使用語(yǔ)音端點(diǎn)檢測(cè)算法，來(lái)探測(cè)到用戶輸入語(yǔ)音的起始和終止位置，也就是說(shuō)，哪怕外面吵翻天，但用戶可能一個(gè)字都沒(méi)有說(shuō)。這種算法可以精確探測(cè)到用戶說(shuō)話到底說(shuō)了哪一段，因此分析起語(yǔ)音可以有的放矢。第二個(gè)是使用信噪比估計(jì)算法，來(lái)檢測(cè)用戶輸入語(yǔ)音的質(zhì)量是否滿足需求。如果背景噪聲太強(qiáng)，就會(huì)提示用戶重新輸入。比如您在汪峰的演唱會(huì)現(xiàn)場(chǎng)給手機(jī)下指令，這就有點(diǎn)太過(guò)了，“這么吵也叫手機(jī)我識(shí)別?你當(dāng)我是你啊?”。

　　通過(guò)上述兩種超級(jí)語(yǔ)音處理能力，百度聲紋解碼功能就能保障自己處于一個(gè)“能干活”的基礎(chǔ)上了。

　　百度聲紋解鎖技術(shù)的未來(lái)：?jiǎn)柎鹗降卿?/P>

　　針對(duì)于眾多手機(jī)玩家的酷炫需求，百度的工程師也在為百度聲紋解鎖技術(shù)研發(fā)新的特性。比如在未來(lái)，有可能實(shí)現(xiàn)問(wèn)答式登錄。

　　目前利用聲紋解鎖時(shí)，需要用戶輸入注冊(cè)時(shí)使用的特定內(nèi)容，這就是固定的口令.

　　但在未來(lái)，百度聲紋解鎖技術(shù)將允許用戶有新的玩法。比如登錄時(shí)系統(tǒng)會(huì)隨機(jī)給出問(wèn)題讓用戶回答，用戶回答問(wèn)題后就會(huì)對(duì)用戶的聲音進(jìn)行識(shí)別。如果用戶以前對(duì)系統(tǒng)輸入過(guò)語(yǔ)音，就算不是剛才回答的內(nèi)容，系統(tǒng)也能分辨出來(lái)。

　　想象一下未來(lái)的手機(jī)生活：

　　主人：手機(jī)，乖，給我解鎖。

　　具備百度聲紋解鎖功能的手機(jī)(以下簡(jiǎn)稱手機(jī))：主人，你媽貴姓?

　　主人：姓王啊，不是跟你說(shuō)過(guò)了嗎?煩不煩啊!

　　手機(jī)：什么態(tài)度啊?再出一道題，52乘以10等于多少?

　　主人：……

　　手機(jī)：520，答對(duì)了，聲學(xué)特征100%匹配，確認(rèn)為主人身份，通過(guò)。

　　百度聲紋解鎖，君子動(dòng)口不動(dòng)手，聯(lián)想樂(lè)PhoneA586，君子之選。(RFID世界網(wǎng)編輯整理)