语音识别、声纹识别的区别及测试

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。这篇文章主要为小伙伴普及一下这三者的区别，并且分别讲一讲如何测试。

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*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。

语音识别已经是比较成熟，测试的重点是声音的录入、及内容的识别准确性。

对声音的录入，也叫拾音而言：

1、录入时的声源、环境影响、距离影响

2、讲话人的语速、音量、音色等（通过对几家语音识别的开放demo进行评测后，发现女声的语音识别准确度要高过于男声）

对于识别的内容准确性而言，要考虑：

1、语种的覆盖，中文普通话、方言等，英文以及其他的外语等

2、语音的内容覆盖日常对话、衣食住行、新闻资讯等等

3、词库的涵盖，比如出了通用词库，是否包含了应用场景比如金融、法律、医疗对应领域的词库训练

4、不标准的发音和吐词等

语音识别、声纹识别的区别及测试

声纹识别的测试

常见的声纹识别有固定数字、随机数字、固定文本和随机文本，以及其他的衍生等等。

不同于人类的双耳，机器的识别都是在数以百万、千万计的数据训练中不断改善的，如果没有足够的数据支持，不能全方位的对声纹识别算法进行训练。

理论上来讲，声纹就像指纹一样，很少会有两个人具有相同的声纹特征。但比如双胞胎、亲属等，均可能存在极其相似的声音特征。另外说话环境、说话人身体健康状况、情绪变化等都能对声纹识别的结果造成极大影响。

因此声纹识别的重点在于是否能够轻易的被相似特征的声音攻击。