聲紋識別和語音識別的區別

1.兩者在原理上一樣，都是通過采集語音信息進行分析和處理，提取相應的特征或建立模型，然后做出判斷

2.兩者識別的目的：語音識別通過識別說話的內容轉化為文字，而聲紋識別則是要識別說話人的身份，是一種生物識別技術

3.聲紋識別是通過語音波形反應說話人的生理和行為特征的語音參數，進而連接到聲紋庫，因此，聲紋識別不注重語音信號的語義，而是從語音信號中提取個人聲紋特征，挖掘出包含在語音信號中的個性因素。

文本相關

語音識別有文本相關和文本無關兩種。
文本相關要求用戶按照給定的內容發音，每個人的聲紋模型逐個被精確地確立，而識別也同樣按照相同的內容發音。

關鍵問題

聲紋識別分為兩個關鍵的問題：特征提取和模式匹配
1。特征提取：特征提取是提取并選擇對說話人的聲紋具有可分性強，穩定性高等特性的聲學或語音特征

聲紋識別模型可以使用的特征包括：（1）聲學特征(倒頻譜) (2)詞語特征（說話人相關的詞n-gram,音素n-gram)(3)韻律特征(利用n-gram描述的基音和能量“姿勢”)；(4)語種、方言和口音信息；(5)通道信息(使用何種通道)；等等。

總之，較好的特征，應該能夠有效地區分不同的說話人，但又能在同一說話人語音發生變化時保持相對的穩定；不易被他人模仿或能夠較好地解決被他人模仿問題；具有較好的抗噪性能；……。當然，這些問題也可以通過模型方法去解決。

模式識別

對于模式識別，有如下幾大類方法：
(1)模板匹配方法：利用動態時間彎折(DTW)以對準訓練和測試特征序列，主要用于固定詞組的應用(通常為文本相關任務)；
(2)最近鄰方法：訓練時保留所有特征矢量，識別時對每個矢量都找到訓練矢量中最近的k個，據此進行識別，通常模型存儲和相似計算的量都很大
(3)神經網絡方法：有很多種形式，如多層感知、徑向基函數(RBF)等，可以顯式訓練以區分說話人和其背景說話人，其訓練量很大，且模型的可推廣性不好；
(4)隱式馬爾可夫模型(HMM)方法：通常使用單狀態的HMM，或高斯混合模型(GMM)，是比較流行的方法，效果比較好；
(5)VQ聚類方法(如LBG)：效果比較好，算法復雜度也不高，和HMM方法配合起來更可以收到更好的效果；
(6)多項式分類器方法：有較高的精度，但模型存儲和計算量都比較大；

技術原理

聲紋識別的主要任務包括：語音信號處理、聲紋特征提取、聲紋建模、聲紋比對、判別決策等

聲紋身份認證分為兩個階段:
1:聲紋注冊階段，用戶輸入注冊語音樣本，系統提取特征建模
2.聲紋認證階段，用戶再次錄入語音開展身份認證，另外，系統可以根據電話用戶語音身份認證的狀況，適當地更新或者調整用戶的聲紋模型

總結

以上是生活随笔為你收集整理的声纹识别_的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。