声纹识别概述（1）初识

初识声纹

1. 声纹概念

• 声波频谱
  声纹(Voice print)是用电声学仪器现实的携带言语信息的声波频谱， 是由波长频率以及强度等百余种特征维度组成的生物特征，具有稳定性、可测量性、唯一性等特点。

• 易变性
  每个人的语音声学特征既有相对稳定性，又有易变性，不是一成不变的。这种变异可来自生理、病理、心理、模拟、伪装，也与环境干扰有关。

2. 声纹识别的分类

（1）Verification 和 Identification
与人脸识别类似，声纹识别有人声验证和人声识别两类应用场景（汉语可能不准确，以英文为准）

• 人声验证（Speaker Verification）：一对一（1：1），用以确认某段语音是否是指定的某个人所说的
• 人声识别（Speaker Identification）：多对一（N：1），用于判断某段语音是若干人中的哪一个所说的

（2）Text-Dependent 和Text-Independent
在识别（Identification）应该场景下，还有文本相关的(Text-Dependent)和文本无关的(Text-Independent)两种。

• 与文本相关的(Text-Dependent)
  与文本有关的声纹识别系统要求用户按照规定的内容发音，每个人的声纹模型逐个被精确地建立，而识别时也必须按规定的内容发音，因此可以达到较好的识别效果，但系统需要用户配合，如果用户的发音与规定的内容不符合，则无法正确识别该用户
• 与文本无关的（Text-Independent）
  与文本无关的识别系统则不规定说话人的发音内容，模型建立相对困难，但用户使用方便，可应用范围较宽。

（3）open-set 和 close-set

• 开集(open-set) 辨认：假定待识别说话人可以在集合外
• 闭集(close-set) 辨认：假定待识别说话人在集合内

显然，闭集辨认需要有一个对集