加载中…
个人资料
  • 博客等级:
  • 博客积分:
  • 博客访问:
  • 关注人气:
  • 获赠金笔:0支
  • 赠出金笔:0支
  • 荣誉徽章:
正文 字体大小:

声纹

(2016-07-25 08:16:04)
标签:

生物识别

声纹

分类: IT技术

20160722有关声纹的讲座,这几年发展很快,故做一记录。

美国联邦调查局对2000例与声纹相关的案件进行统计,利用声纹作为证据只有0.31%的错误率。目前利用声纹来区分不同人这项技术已经被广泛认可,并且在各个领域中都有应用。

下面我们再看看声纹识别常用的方法,包括模板匹配法,最近邻方法,神经元网络方法,VQ聚类法等。虽然处理手段不同,但基本原理是类似的。一般都是将一维的声音信号通过短时傅里叶变换得到二维的语谱图。语谱图是声音信号的一种图像化的表示方式,它的横轴代表时间,纵轴代表频率,语音在各个频率点的幅值大小用颜色来区分。说话人的声音的基频及谐频在语谱图上表现为一条一条的亮线,再通过不同的处理手段就可以得到不同语谱图之间的相似度,最终达到声纹识别的目的。
深度学习带给语音交互极大的提升,谷歌甚至开源了人工智能算法,但是声纹识别的研究进展仍然不大,这仍然受制于语料的采集和特征的建立。尽管市面上如科大讯飞也发布了声纹识别应用,但是还鲜有成熟的应用场景,智能家居曾被认为是最有可能的突破,但是随着声纹锁的饱受诟病,这个概念似乎也冷却了不少。但是人们追求自然人机对话的目标不会变,声纹识别作为其中的关键技术,特别是随着机器人技术的发展,必然会迎来一股新的市场热潮和应用。

0

阅读 收藏 喜欢 打印举报/Report
  

新浪BLOG意见反馈留言板 欢迎批评指正

新浪简介 | About Sina | 广告服务 | 联系我们 | 招聘信息 | 网站律师 | SINA English | 产品答疑

新浪公司 版权所有