声纹识别技术

语音识别、声纹识别、语义识别的区别

很多除接触AI的小伙伴， 不清楚语音识别和声纹识别的区别，经常混淆概念，以为语音识别、声纹识别、语义识别是同一回事，其实不然。
声纹识别和语音识别在原理上一样，都是通过对采集到的语音信号进行分析和处理，提取相应的特征或建立相应的模型，然后据此做出判断。但二者的根本目的，提取的特征、建立的模型是不一样的。
语音识别的目的： 识别语音的内容。并以电脑自动将人类的语音内容转换为相应的文字。
声纹识别的目的： 识别说话人的身份。又称说话人识别，是生物识别技术的一种。
语义识别的目的： 对语音识别出来的内容进行语义理解和纠正。比如同声翻译机。
声纹识别，是通过语音波形中反映说话人生理和行为特征的语音参数，进而连接到声纹库，一般式公安部声纹数据库，鉴别人的身份。所承载的功能特点和人脸识别是一样的，都是为了证明，“你是张三，还是李四”。

因此，声纹识别不注重语音信号的语义，而是从语音信号中提取个人声纹特征，挖掘出包含在语音信号中的个性因素。

而语音识别是从不同人的词语信号中寻找共同因素

声纹识别的基础概念

1. 为什么分帧处理

在对语音信号进行分析和处理之前，必须对其进行预加重、分帧、加窗等预处理操作。这些操作的目的是消除因为人类发声器官本身和由于采集语音信号的设备所带来的混叠、高次谐波失真、高频等等因素，对语音信号质量的影响。尽可能保证后续语音处理得到的信号更均匀、平滑，为信号参数提取提供优质的参数，提高语音处理质量