識別類型

1． 按應(yīng)用場景分類

一對一：身份確認(rèn)，即在知道是某人身份的情況下，判斷音頻是不是此人的聲音。例如在銀行app，當(dāng)前已經(jīng)登錄賬戶，在進(jìn)行轉(zhuǎn)賬或其它操作時(shí)，需要判斷是否本人在操作，這時(shí)候就可以通過一對一場景下的聲紋識別，判斷是不是登錄的賬號本人。

一對多：身份辨認(rèn)，在一個(gè)注冊了很多聲紋用戶組中，根據(jù)音頻判斷是其中的哪個(gè)人的聲音。比如很多人用微信注冊了聲紋，然后用聲紋鎖登錄時(shí)，需要判斷在所有已注冊聲紋的用戶中，音頻對應(yīng)的是其中哪個(gè)人，在很多的注冊用戶中，找到音頻對應(yīng)的聲音身份。

多對多（聲紋聚類）：在一些雜亂的音頻中，找出特征相似（某個(gè)人）的所有音頻，則可以通過音頻之間的對比，把相似的音頻歸為一類，從而選出特征相似（同一個(gè)人）所有音頻。

2. 按音頻內(nèi)容分類

文本相關(guān)：文本相關(guān)指的是說出規(guī)定的短句（一般為4到6個(gè)字的短句），用于聲紋識別。例如在智能音箱喚醒的時(shí)候，可以根據(jù)音色判斷喚醒人的身份 ，如果是小孩子喚醒則可以開啟兒童模式，如果是未提前注冊的則不能進(jìn)行喚醒音箱。

文本半相關(guān)（隨機(jī)數(shù)字串）：指的是隨機(jī)的6位或8位數(shù)字串，這是一種配合式的聲紋識別模式，需要讀出app或者其它客戶端生成的6位或8位數(shù)字串，也可以結(jié)合語音識別技術(shù)（ASR）判斷讀的數(shù)字串是否正確。目前文本半相關(guān)的聲紋識別模式在生活中接觸到的最多，許多銀行類的APP，以及微信和支付寶聲紋識別都采用的這種方式，方便讀、識別率也高。所以很多APP上的聲紋識別身份認(rèn)證一般都采用一對一的隨機(jī)數(shù)字串。