2020年受疫情影響,消費者需求向線上傾斜,智能客服需求量也隨之增加。因此,盡管疫情影響下中國經(jīng)濟下行,但人工智能尤其智能語音行業(yè)市場整體利好。激增的市場消費者群體,一方面帶來了多元化的市場需求,另一方面,促使技術服務商不斷探索新的產(chǎn)品功能和應用場景。近年來,許多智能語音技術服務商開始布局聲紋識別領域。隨著技術成熟與商業(yè)化落地,聲紋識別逐漸進入大眾視野。

一、聲紋識別技術

聲紋識別是生物識別技術的一種,也是語音技術的分支,也被稱為說話人識別,包含聲紋注冊和聲紋認證兩道程序。所謂聲紋識別就是把聲信號轉換成電信號,提取特征、搭建模型,根據(jù)匹配度進行識別判斷。

聲紋識別VS語音識別

聲紋識別相比于語音識別,近年來才逐漸進入大眾視野,兩者同為語音前端信號處理,經(jīng)常被放在一起比較。而談及兩者的共性及區(qū)別時,快商通聯(lián)合創(chuàng)始人李稀敏博士在接受億歐智庫采訪時表示:“聲紋的載體是語音,而所謂語音就是指人說的話。在人類正常的語音交互中,我們可以識別語音主體的意圖、情緒、性別、身份以及內容等信息。而利用人工智能技術完成這一識別,則需要依靠語音及聲紋的提取與處理。語音識別和聲紋識別雖然在智能語音技術流程中都屬于對語音信號的處理,但實際的技術方向及應用卻截然相反。”

"語音識別追求的是聲音的共性",李稀敏博士表示。也就是針對不同個體對于同一句話的不同聲音、口音、語速表達,可以翻譯成同樣的文字。比如在使用智能音箱時,對于同樣的指令,無論發(fā)出這個指令的個體是男是女,南方抑或是北方口音,智能音箱都需要能夠對語音輸入提取共性,并作出準確的一致的應答。

與之相比,"聲紋識別則追求聲音的個性",即針對同一個體在不同情境下的不同表達,可以認證聲源來自同一個體。比如微信的語音登陸系統(tǒng),有時因外部環(huán)境,身體狀態(tài)等因素,說話人的語音輸入會出現(xiàn)語速,音高等變化,而一個完善的聲紋識別系統(tǒng),則需要能夠提取不同情境下語音輸入信號的個性,并準確認證說話人的身份以完成登陸。

聲紋辨認VS聲紋確認

聲紋識別主要有兩大應用場景,聲紋辨認和聲紋確認,其中:

聲紋辨認,也被稱作1:N識別,主要應用于在語音庫范圍內的語音篩查,即在海量聲紋數(shù)據(jù)庫中找到說話人的過程。比如,金融語音銷售場景下,可以迅速根據(jù)來訪者聲紋信息與自身聲紋數(shù)據(jù)庫對比,判斷客戶是否為初次購買,抑或是否在征信黑名單中,從而調整銷售策略。

聲紋確認,也稱1:1驗證,主要應用于安全訪問驗證及身份認證等場景,系統(tǒng)對說話人進行語音認證,完成”你是不是你”的身份判斷。相比起聲紋辨認,聲紋確認對于語音輸入信息的質量要求更為嚴苛,比如微信的語音登錄功能會要求使用者在無嘈雜環(huán)境中對固定文本進行語音輸入。

聲紋識別進入落地階段,技術仍有發(fā)展空間

談及聲紋識別技術成熟度,李稀敏博士表示:“聲紋識別擁有數(shù)十年的研究歷史,但由于技術的局限,近年來才逐漸進入應用落地階段,技術成熟度相當于3年前的語音識別�！�

因此語音識別所面臨的絕大部分技術痛點,也同樣影響著聲紋的發(fā)展。因聲源采樣率、信噪比、信道、語音時長、文本內容等因素變化而造成的準確率變化明顯。因此提升聲紋識別系統(tǒng)的魯棒性是聲紋識別大規(guī)模落地應用的前提條件。

深入金融安防領域,多元語音技術融合助力場景落地

由于聲紋識別系統(tǒng)的特殊性,在進行識別前,需要進行聲紋注冊,因而聲紋識別的應用對于數(shù)據(jù)庫有著較強的依賴。另一方面,前文提到的聲紋識別技術的不成熟,也導致其使用體驗無法達到預期效果。因此數(shù)據(jù)的缺乏以及技術的痛點導致聲紋識別與行業(yè)融合程度較淺,也成為聲紋識別落地傳統(tǒng)行業(yè)的主要障礙。

李稀敏博士表示,現(xiàn)階段聲紋識別主要應用在公安、司法以及金融領域。主要是因為聲紋識別直接的解決了這些行業(yè)的痛點,應用價值大,因而在行業(yè)的資本投入下,聲紋識別的行業(yè)落地獲得了快速發(fā)展。

除金融安防領域外,現(xiàn)階段聲紋識別在民生場景中的應用還處于初期試水階段,如家居車載中聲紋判定系統(tǒng),硬件中的聲紋門禁等等。

智能語音技術的全面發(fā)展,以及智能設備的爆發(fā)式增長,為聲紋識別提供了更多的應用端口,而與多元語音技術的融合也成為聲紋識別落地更多行業(yè)場景提供了技術保障。在未來聲紋識別將向著聲紋+智能,以及多模態(tài)識別的方向發(fā)展。

二、聲紋識別市場

應用前景廣闊

相比為人所熟知的指紋識別、人臉識別,聲紋識別作為生物識別的另一個主要的分支,雖然剛剛從實驗室走出進入大眾視野,但卻擁有較強的適用性和較大的應用空間。根據(jù)快商通提供的信息整理,首先,聲紋識別具有更高的采集便捷性,用戶接受度更高,被采集者無需接觸傳感器或面對鏡頭,即可完成識別。在疫情所帶來的新需求下,聲紋識別擁有極大的落地空間。

與此同時,聲紋識別在1:1驗證應用下的準確率高,并因聲紋的穩(wěn)定性,造假難度較高,是理想的生物識別模式。此外聲紋傳感器相對低廉的造價及部署成本也使得聲紋識別擁有可被廣泛應用的優(yōu)勢。

聲紋技術難盈利,技術服務商何去何從?

現(xiàn)階段聲紋識別賽道的服務商普遍處于虧損狀態(tài),而剖析這一現(xiàn)象,需要從利潤和成本兩個方向進行考慮。

聲紋技術和行業(yè)早期磨合階段,滲透率較低

聲智科技戰(zhàn)略合伙人&COO李智勇首先表示:“聲紋識別作為一種新的技術,雖然提供了更多的可能性,但是必須要和行業(yè)進行進一步的深度結合。然而在技術落地早期階段的磨合試探過程中,通常不會很通暢,這也導致了現(xiàn)階段的聲紋識別應用勢必無法深度滲透行業(yè)�！�

李稀敏博士也有類似的觀點,他認為在聲紋產(chǎn)品在沒有深度結合產(chǎn)業(yè)的情況下,產(chǎn)品過于單一,盈利的可能性很小。而另一方面聲紋技術仍不成熟,在無法達到預期使用期望的情況下,簽單量及簽單價都不理想。

技術紅利下,企業(yè)不斷增加研發(fā)成本

在投入成本方面,李智勇表示:“目前國內企業(yè)正第一次主要進行原創(chuàng)的技術研發(fā),技術研發(fā)本身所投入的成本相比于產(chǎn)品公司更高。此外,在技術紅利驅使下,企業(yè)也紛紛將大量的人力物力投入到科研研發(fā)中,以期望技術所帶來的未來的巨大利潤空間�！�

據(jù)億歐智庫調查統(tǒng)計,現(xiàn)階段大部分聲紋技術服務商的研發(fā)人員占比均在50%以上,與此同時,國內相關專利公開數(shù)量也不斷提升,技術研發(fā)已然成為了服務商的發(fā)展重點。

厚積薄發(fā),多年沉淀等待破繭成蝶

綜合論述,較低的滲透率,及尚未成熟的技術體系導致聲紋識別營收并不理想,另一方面技術紅利下,企業(yè)不斷加大自身研發(fā)成本。收支兩方面的因素導致現(xiàn)階段聲紋技術服務商的盈利十分艱難。然而這是一項新技術發(fā)展所需要經(jīng)歷的必然階段,新的技術勢必會引發(fā)新的產(chǎn)品和新的模式,而當我們回顧2000年左右的互聯(lián)網(wǎng)市場,會發(fā)現(xiàn)和現(xiàn)階段的語音市場相差無幾。整個語音市場是否會像互聯(lián)網(wǎng)市場一樣,成為一個時代的標志,我們尚未可知,不過可以相信的是,在不久的將來,待語音技術成熟,和行業(yè)深度融合的那一天,聲紋識別業(yè)務一定會迎來屬于他們的春天。

聲紋市場風口何時到來?

2017年,6月《中華人民共和國網(wǎng)絡安全法》正式施行,明確將個人生物識別信息納入個人信息范疇管理。同年12月,工信部引發(fā)《促進新一代人工智能產(chǎn)業(yè)發(fā)展三年行動計劃(2018-2020年)》 ,智能身份識別系統(tǒng)、智能語音交互系統(tǒng)被率先列入重點發(fā)展8大領域。直至2020年,相關政策紛紛出臺,尤其是受年初疫情影響,無接觸,無感知的聲紋識別系統(tǒng)需求隨之增加。

市場方向,近年來全球生物識別產(chǎn)業(yè)規(guī)模不斷擴大,聲紋識別的市場占比也逐年上升。而隨著技術的成熟以及在產(chǎn)業(yè)內的不斷滲透,這一規(guī)模仍會繼續(xù)增加。市場參與者方向,綜合語音廠商,聲紋專業(yè)廠商,人工智能初創(chuàng)公司以及互聯(lián)網(wǎng)巨頭紛紛入駐聲紋賽道,并在各自細分領域不斷進行行業(yè)融合,整體市場處于良性競爭狀態(tài)。2016-2020年期間,聲紋識別賽道資本投資進入加速階段,哪怕在2020年,資本市場整體遇冷情況下,賽道仍獲得多筆融資。

技術方向,李稀敏博士表示:“當前聲紋學術領域,已經(jīng)在廣泛地使用最前沿的神經(jīng)網(wǎng)絡技術,用于解決聲紋技術所存在的問題,比如人聲分離、遠場識別、跨信道等。預計3年左右,這些問題將得到較好地解決,在通過一段時間的實踐,算法和工程化都將得到驗證�？偠�言之,5年以內,風口將來�！�

綜合論述,盡管現(xiàn)階段聲紋識別的應用仍具有局限性,但是聲紋主導的生物識別模式已經(jīng)進入公眾視野,并被時代所接受。相信在未來,人臉識別大熱過后,聲紋識別一定能迎來屬于他的風口。

三、聲紋識別市場參與者

企業(yè)不斷入局聲紋賽道,原因為何?

近年來加入聲紋賽道的企業(yè)越來越多,包括騰訊、百度、字節(jié)跳動、平安科技等,創(chuàng)業(yè)者也不斷入局,究其原因,我們可以從以下幾個視角進行思考。

技術視角

李稀敏博士表示:“2011年前后神經(jīng)網(wǎng)絡技術在人臉識別和語音識別領域的廣泛應用,帶動了神經(jīng)網(wǎng)絡技術在聲紋技術領域的探索,直至2018年前后達到了一個高潮,各種算法層出不窮。所以,這個階段加入聲紋賽道,有其技術方面的因素�！� 在另一方面,李智勇也指出,在原創(chuàng)技術的推動下,聲紋識別所帶來的技術紅利也是企業(yè)入局的促進因素。

市場視角

在語音研發(fā)的道路上,服務商們逐漸發(fā)現(xiàn)了聲紋的重要性,以及潛在的市場需求,因而逐漸向聲紋技術發(fā)展。而隨著聲紋技術在金融、安全領域的探索應用,身份認證及聲紋反欺詐應用不斷成熟,并引發(fā)了行業(yè)的廣泛關注。以金融、安全為引,聲紋市場逐漸向其他行業(yè)落地拓展,市場規(guī)模增長的情況下,企業(yè)紛紛入局聲紋賽道。

政策視角

生物識別政策頻出,2018年,央行正式發(fā)布《移動金融基于聲紋識別的安全應用技術規(guī)范》,加深了聲紋識別在金融行業(yè)的應用落地,大批聲紋服務商涌現(xiàn)。

聲紋識別服務商分類及布局

受市場、戰(zhàn)略以及技術的影響,聲紋識別技術服務商呈現(xiàn)出了多元化的趨勢,業(yè)務模式、產(chǎn)品形態(tài)以及用戶群體都展現(xiàn)出了較大的差異化�，F(xiàn)階段聲紋識別的市場參與者主要有四類,分別為綜合語音技術服務商、人工智能初創(chuàng)公司、深耕聲紋的技術服務商以及互聯(lián)網(wǎng)巨頭。

綜合語音技術服務商

多為傳統(tǒng)語音服務商,普遍成立于2000年左右,擁有較為成熟的技術支持及產(chǎn)品體系。整體業(yè)務以融合了多元語音技術的通用解決方案為主,客戶群體以大型客戶為主。聲紋識別作為語音的技術分支,更多作為定制化選項搭配語音方案進行輸出。企業(yè)戰(zhàn)略本身就是平臺+賽道,也就是將其自身的AI平臺,落地到各種賽道。典型的綜合語音技術服務商為科大訊飛,捷通華聲等。

深耕聲紋的技術服務商

在傳統(tǒng)語音技術服務商進入市場后,一部分專注與語音細分賽道的企業(yè)相繼出現(xiàn),以得意音通、遠鑒科技為代表的深耕聲紋識別的服務商進入市場。整體業(yè)務以聲紋識別產(chǎn)品及方案為主,相比起綜合語音技術服務商,更加聚焦行業(yè)的特定需求,并專注于聲紋技術的落地,探索各類潛在的應用場景。

人工智能初創(chuàng)公司

2010年開始,專注于特定行業(yè)的人工智能初創(chuàng)公司陸續(xù)進入市場。因聚焦行業(yè),因此在行業(yè)圖譜及數(shù)據(jù)庫搭建上具備更大的優(yōu)勢。整體業(yè)務以特定行業(yè)的SaaS服務及落地方案為主,在行業(yè)的基礎上應用聲紋技術,更加深入行業(yè)需求,主要面向中小企業(yè)。典型的代表企業(yè)為快商通,聲智科技等。

互聯(lián)網(wǎng)巨頭公司

近年來互聯(lián)網(wǎng)巨頭公司紛紛開始布局聲紋賽道,依托自身云服務優(yōu)勢及龐大C端客戶流量進入市場。業(yè)務布局較廣,擁有較大的潛在用戶群體。典型的互聯(lián)網(wǎng)巨頭為阿里云、騰訊云、百度智能云及華為云。

作者:張晟寧