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)能夠智能辨識主人的聲音進(jìn)行解鎖，一根手指頭都不用動。如此炫酷的語音智能控制功能，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)一無二的。

　　我們都有這樣的直觀感受，每個(gè)人說話，語聲都不一樣。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)、音長的差別。音高、音強(qiáng)、音長、音色在語言學(xué)中被稱為語音“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、頻率、強(qiáng)度、節(jié)奏。而語圖儀可以把聲波的變化轉(zhuǎn)換成電訊號的強(qiáng)度、波長、頻率、節(jié)奏變化，儀器又把這些電訊號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，而且有相對穩(wěn)定性的特點(diǎn)。成年以后，人的聲音可保持長期相對穩(wěn)定不變。實(shí)驗(yàn)證明，無論講話者是故意模仿他人聲音和語氣，還是耳語輕聲講話，即使模仿得惟妙惟肖，其聲紋卻始終相同。通俗來說，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，也就是通過用戶的互動，建立一個(gè)語音的身份證;其二，就是聲紋識別，通過既有的聲紋模型與當(dāng)前的用戶語音對比，看看是不是手機(jī)真正的主人。

　　在聲紋注冊階段，用戶需要對著手機(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)會要求用戶重復(fù)輸入同樣的語音三次，這有點(diǎn)類似于我們設(shè)定密碼中的兩次輸入。

　　在聲紋識別階段，用戶只需要輸入注冊時(shí)使用的語音，通過手機(jī)系統(tǒng)的驗(yàn)證，就能超酷炫的語音解鎖登錄了。這時(shí)，語音解鎖是怎么工作的呢?它對當(dāng)前用戶的語音(姑且稱之為這個(gè)家伙)進(jìn)行處理，并對數(shù)據(jù)庫中的模型(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。

　　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，動動嘴皮就行了。

　　不過，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)的語音端點(diǎn)檢測算法和信噪比估計(jì)算法，能夠精確地判斷用戶輸入的語音信息是否有效。

　　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)，將注意力集中在對方說話的聲音上(尤其是面對辣妹或帥哥時(shí))。但是手機(jī)相對偉大的人類來說，這種能力絕不是與生俱來的。當(dāng)手機(jī)用戶說話時(shí)，不管是人聲還是背景噪音，手機(jī)沒有辦法挑肥揀瘦，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)超級的語音處理能力。第一個(gè)是使用語音端點(diǎn)檢測算法，來探測到用戶輸入語音的起始和終止位置，也就是說，哪怕外面吵翻天，但用戶可能一個(gè)字都沒有說。這種算法可以精確探測到用戶說話到底說了哪一段，因此分析起語音可以有的放矢。第二個(gè)是使用信噪比估計(jì)算法，來檢測用戶輸入語音的質(zhì)量是否滿足需求。如果背景噪聲太強(qiáng)，就會提示用戶重新輸入。比如您在汪峰的演唱會現(xiàn)場給手機(jī)下指令，這就有點(diǎn)太過了，“這么吵也叫手機(jī)我識別?你當(dāng)我是你啊?”。

　　通過上述兩種超級語音處理能力，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：問答式登錄

　　針對于眾多手機(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，有可能實(shí)現(xiàn)問答式登錄。

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

　　但在未來，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)會隨機(jī)給出問題讓用戶回答，用戶回答問題后就會對用戶的聲音進(jìn)行識別。如果用戶以前對系統(tǒng)輸入過語音，就算不是剛才回答的內(nèi)容，系統(tǒng)也能分辨出來。

　　想象一下未來的手機(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)(以下簡稱手機(jī))：主人，你媽貴姓?

　　主人：姓王啊，不是跟你說過了嗎?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，答對了，聲學(xué)特征100%匹配，確認(rèn)為主人身份，通過。

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