• 企业400电话
  • 微网小程序
  • AI电话机器人
  • 电商代运营
  • 全 部 栏 目

    企业400电话 网络优化推广 AI电话机器人 呼叫中心 网站建设 商标✡知产 微网小程序 电商运营 彩铃•短信 增值拓展业务
    富士通研发基于深度学习的短时长声纹认证技术
      富士通研究开发中心有限公司(FRDC)开发了一种高精度的声纹认证技术,该技术利用深度学习方法,可以从一段很短的语音片段中甄别出说话人的身份。该技术融合了两个深度学习引擎,一个引擎用于提取与语音内容相关的特征,而另一个引擎用于提取与说话人相关的特征,从而实现了“语音密码”身份认证的功能,即:只有说话人本人正确说出预先设定的内容时,其身份才能被接受。利用该技术,在不超过3s的语音片段上,身份认证的错误率可达到2.2%左右。
      该技术可广泛应用于呼叫中心及IoT设备交互等应用中,通过快速安全的验证用户的身份,强化操作的安全性和便利性。
      【开发背景】
      声纹识别是生物认证领域的一个重要分支。由于具有可远程操作的独特优势,在金融业电话银行业务、智能家居、刑侦安防等领域中,基于声纹的身份认证方式已经逐渐被认可,并成为防欺诈的一个重要手段。在呼叫中心业务中,顾客常常需要输入密码或通过回答一系列的问题来验证其身份。这种问询式身份验证过程平均需要60秒以上的时间,既影响了客服的工作效率,又给顾客带来厌烦情绪。因此,开发一种安全有效的远程身份验证方式,将大幅提升呼叫中心的运营效率,降低其运营成本。
      【课题】
      传统的声纹识别技术,依靠统计学和信号处理技术从语音中提取与说话人特质相关的特征,以此实现身份认证。然而,该技术往往需要较长的语音才能鉴定说话人的身份,例如30秒时长。在金融业呼叫中心及IoT设备交互等应用中,需要快速验证用户的身份,传统的声纹识别技术显然不能满足这种需求。此外,传统的认证方式不能防止利用他人的录音来假冒身份的欺诈行为。
      【开发的方法】
      (1)采用深度学习技术有效降低语音时长
      传统的声纹识别技术通常将语音分割成小片段(一般为20ms左右,称为一帧),然后,利用上千个高斯模型,从每一个语音片段中甄别出与说话人相关的特征。由于高斯模型数目多、维度高,因此,只有当语音数据足够多时,这种统计方法才能获得有效的说话人特征。如图1所示,深度学习技术能同时处理多帧语音片段,从中学习与说话人特有的特征。由于处理的语音长度增加,因此,其包含了更多的与发音方式相关的特征,例如语调变化、停顿、音频等。所以,这种上下文技术能大大降低身份认证所需要的语音长度。
      (2)融合说话人特征与语音内容
      本技术中,我们采用两个深度学习模型,分别提取和说话人本身相关的特征以及语音内容进行身份验证,从而实现了“语音密码”功能,即:只有说话人本人正确说出预先设定的内容时,其身份才能被接受,如图2所示。采用固定的语音密码,一方面能防止利用他人的录音来假冒身份的欺诈行为,此外,还能帮助提取更有效的说话人特征。例如:某人的语音密码中包含了音节[a],而此人对音节[a]的发音模式与他人不同,那么,这个特定的模式就被说话人模型所学习,成为区分此人的一个重要特征。即使他人知道了语音密码,由于音节[a]的发音模式不同,其身份也不能被接受。
      【效果】
      由于充分利用了上下文信息,我们的技术只需要2-3秒的语音片段就可以甄别出说话人的身份。虽然语音长度变短了,但是,我们的技术依然可以达到较高的识别精度。在一个由200人组成的数据集上,身份认证的错误率可低至2.2%左右。
      【将来】
      FRDC今后会将本技术应用于金融保险等行业的呼叫中心,向客户提供高效安全的身份认证解决方案。此外,FRDC还将继续推进和扩大声纹认证在监狱亲情电话管理中的应用。
    上一篇:中小站长如何应对百度屏蔽阿里妈妈
    下一篇:中秋节网站推广十大方法
  • 相关文章
  • 

    © 2016-2020 巨人网络通讯 版权所有

    《增值电信业务经营许可证》 苏ICP备15040257号-8

    富士通研发基于深度学习的短时长声纹认证技术 富士通,研发,基于,深度,