2012年12月，搭载百度云智能操作系统的联想A586手机上市，其也是全球首款具有声纹解锁功能的智能手机。《大话西游》中的“芝麻开门”成为现实——手机能够智能辨识主人的声音进行解锁，一根手指头都不用动。如此炫酷的语音智能控制功能，技术上是如何实现的？百度工程师将为我们揭秘。
声纹，每个人的声音身份证
什么是“声纹”(Voiceprint)？借用“指纹”去理解也许容易些，反正是每个人独一无二的。
我们都有这样的直观感受，每个人说话，语声都不一样。因为人的发声器官，包括声带、软颚、舌头、牙齿、唇等，存在着大小、形态及功能上的差异。这些差异会导致发声气流的改变，造成音质、音色的差别。此外，人发声的习惯亦有快有慢，用力有大有小，也造成音强、音长的差别。音高、音强、音长、音色在语言学中被称为语音“四要素”，这些因素又可分解成九十余种特征。这些特征表现了不同声音的不同波长、频率、强度、节奏。而语图仪可以把声波的变化转换成电讯号的强度、波长、频率、节奏变化，仪器又把这些电讯号的变化绘制成波谱图形，就成了声纹图。
总体而言，声纹是用电声学仪器显示的携带言语信息的声波频谱。现代科学研究表明，声纹不仅具有特定性，而且有相对稳定性的特点。成年以后，人的声音可保持长期相对稳定不变。实验证明，无论讲话者是故意模仿他人声音和语气，还是耳语轻声讲话，即使模仿得惟妙惟肖，其声纹却始终相同。通俗来说，声纹就是人的声音的身份证。
百度声纹解锁技术原理：建立声纹VS声纹识别
实际上，百度声纹解锁的原理也牵涉到两个阶段的应用。第一是声纹注册，也就是通过用户的互动，建立一个语音的身份证；其二，就是声纹识别，通过既有的声纹模型与当前的用户语音对比，看看是不是手机真正的主人。
在声纹注册阶段，用户需要对着手机念一段文字或者数字，当然，为了排除用户情绪的失控（比如第一次玩声纹解锁的哥们、妹妹们），具备百度声纹解锁功能的手机会要求用户重复输入同样的语音三次，这有点类似于我们设定密码中的两次输入。
在声纹识别阶段，用户只需要输入注册时使用的语音，通过手机系统的验证，就能超酷炫的语音解锁登录了。这时，语音解锁是怎么工作的呢？它对当前用户的语音（姑且称之为这个家伙）进行处理，并对数据库中的模型（主人）进行匹配。结果其实就是两种：一，如果“这个家伙”＝“主人”，放行；二，如果“这个家伙”≠“主人”，就给出提示要求他注册。
百度声纹解锁的绝招：噪音处置算法
大家一定想着，哇，超帅！开机不用手，动动嘴皮就行了。
不过，很多人就想到了，在这个人口爆棚的时代，充满噪声的环境无可避免，声纹解锁还能工作吗？
实际上，这正是百度声纹解锁技术的绝活所在——百度采用了先进的语音端点检测算法和信噪比估计算法，能够精确地判断用户输入的语音信息是否有效。
大家知道，即便在嘈杂的环境中，我们人类还是有一种超能力的——可以将噪音当做耳边风，将注意力集中在对方说话的声音上（尤其是面对辣妹或帅哥时）。但是手机相对伟大的人类来说，这种能力绝不是与生俱来的。当手机用户说话时，不管是人声还是背景噪音，手机没有办法挑肥拣瘦，只能照单全收。
所以百度的工程师在研发手机的声纹解锁功能时，给它赋予了两个超级的语音处理能力。第一个是使用语音端点检测算法，来探测到用户输入语音的起始和终止位置，也就是说，哪怕外面吵翻天，但用户可能一个字都没有说。这种算法可以精确探测到用户说话到底说了哪一段，因此分析起语音可以有的放矢。第二个是使用信噪比估计算法，来检测用户输入语音的质量是否满足需求。如果背景噪声太强，就会提示用户重新输入。比如您在汪峰的演唱会现场给手机下指令，这就有点太过了，“这么吵也叫手机我识别？你当我是你啊？”。
通过上述两种超级语音处理能力，百度声纹解码功能就能保障自己处于一个“能干活”的基础上了。
