近日，全球最大的語音會(huì)議INTERSPEECH 2020公布了SdSV聲紋識別比賽成績，網(wǎng)易AI Lab 從眾多國際頂級隊(duì)伍中脫穎而出，獲文本相關(guān)聲紋識別賽道綜合排名第一、單模型第一的雙料冠軍。彰顯了網(wǎng)易AI Lab在語音聲紋識別技術(shù)領(lǐng)域的領(lǐng)先地位。

　　本次國際聲紋識別比賽是業(yè)界非常具備權(quán)威性的賽事，參賽隊(duì)伍來自國際多家知名高校與企業(yè)，包括近兩年全球各項(xiàng)聲紋識別比賽中的“常勝將軍”：布爾諾工業(yè)大學(xué)、新加坡通信研究院、約翰霍普金斯大學(xué)等。

　　比賽中，網(wǎng)易 AI Lab 基于常見的X-Vector和PLDA算法，創(chuàng)新地提出了一種ASR-free的文本相關(guān)聲紋識別算法。相比傳統(tǒng)的Deep Speaker Embedding方法，該算法不需要依賴語音識別，就能夠在多語言環(huán)境下，同時(shí)完成說話人和文本內(nèi)容的驗(yàn)證。

　　比賽采用MinDCF（最小檢測代價(jià)）和EER（等錯(cuò)誤率）作為評測指標(biāo)。網(wǎng)易AI Lab的單模型在兩個(gè)指標(biāo)均為最佳，其中EER達(dá)到了1.67%，相比第二名降低了11.6%，并遠(yuǎn)低于比賽 X-Vector基線系統(tǒng)（EER=9.05%）。

　　評估算法系統(tǒng)性能時(shí)常輸出ROC 曲線，用于描述FAR（誤識率）與FRR（拒識率）之間的關(guān)系。

　　簡單說，在聲紋識別中，誤識率就是“把不應(yīng)該匹配的聲紋當(dāng)成匹配聲紋”的比例，拒識率則是“把應(yīng)該匹配的聲紋當(dāng)成不匹配聲紋”的比例。

　　在對安全要求非常高的應(yīng)用場景，就會(huì)把FAR值設(shè)置得低一些，因?yàn)榕袛噱e(cuò)一次的代價(jià)很大，但這樣做的同時(shí)會(huì)導(dǎo)致FRR值上升，用戶體驗(yàn)度下降。

　　等錯(cuò)誤率（EER）是系統(tǒng)的誤識率（FAR）和拒識率（FRR）相等時(shí)的錯(cuò)誤率，即ROC曲線與45度角直線相交的點(diǎn)，是衡量聲紋識別算法系統(tǒng)綜合性能的重要指標(biāo)。EER數(shù)值越小，系統(tǒng)性能越好。

　　聲紋識別是生物識別技術(shù)的一種，也稱為說話人識別，是一種通過聲音判別說話人身份的技術(shù)。

　　目前，人工智能主要有三個(gè)研究方向：視覺識別、智能語音、NLP自然語言處理。其中，在語音識別領(lǐng)域，聲紋識別屬于相對藍(lán)海市場，解決的主要是“我是我”的身份認(rèn)證問題，多應(yīng)用在安全驗(yàn)證場景。

　　從近幾年的市場趨勢來看，銀行，金融服務(wù)，保險(xiǎn)已成為聲紋識別應(yīng)用的領(lǐng)導(dǎo)領(lǐng)域。

　　隨著技術(shù)的不斷成熟和融合，聲紋識別技術(shù)將逐漸融入日常生活，根據(jù)不同應(yīng)用場景的特點(diǎn)進(jìn)行針對性開發(fā)，將產(chǎn)生巨大的應(yīng)用價(jià)值。

　　而網(wǎng)易 AI Lab 聲紋識別技術(shù)其實(shí)早已被運(yùn)用于游戲場景中。除了進(jìn)行游戲身份驗(yàn)證，還能夠針對音色對用戶進(jìn)行分類、豐富玩家畫像，從而更加精準(zhǔn)地為玩家推薦志趣相投的好友、匹配實(shí)力相當(dāng)?shù)膶κ?，為玩家?guī)砀玫挠螒蝮w驗(yàn)。