目录

声纹识别背景介绍声纹识别组成数据特征模型 评价指标声纹识别目前的挑战参考文献

声纹识别背景介绍

声纹识别，也称作说话人识别，是一种通过声音判别说话人身份的技术。在现实生活中声纹识别的应用任务非常广泛，主要可以分为以下几个：

说话人鉴别，这是一个一对多的任务，通过输入一段说话人声音判断这段声音属于哪个人（即你是谁？)。实际应用主要有刑侦破案，智能客服以及智能家居等。说话人确认，这是一个一对一的任务，通过输入一段话来判断这段话是否为系统中设定的人所说的（即你是不是你？）。实际应用有账号登录，机主核对等。该评价指标和说话人鉴别都采用等错误率（EER）以及最小检测代价（minDCF）。说话人聚类，这个任务是将大量的语音进行聚类，在无监督的情况下将同一个说话人的语音聚合到一起。实际应用非常广泛，如通话录音，会议场景等。评价指标一般为分离错误率（DER)。

在说话人鉴别和说话人确认中，还可以分为文本相关和文本无关。文本相关就是限定说话人所说话的内容，而文本无关则不限定。