2012年12月，搭載百度云智能操作系統的聯想A586手機上市，其也是全球首款具有聲紋解鎖功能的智能手機。《大話西游》中的“芝麻開門”成為現實——手機能夠智能辨識主人的聲音進行解鎖，一根手指頭都不用動。如此炫酷的語音智能控制功能，技術上是如何實現的？百度工程師將為我們揭秘。

聲紋，每個人的聲音身份證

什么是“聲紋”(Voiceprint)？借用“指紋”去理解也許容易些，反正是每個人獨一無二的。

我們都有這樣的直觀感受，每個人說話，語聲都不一樣。因為人的發聲器官，包括聲帶、軟顎、舌頭、牙齒、唇等，存在著大小、形態及功能上的差異。這些差異會導致發聲氣流的改變，造成音質、音色的差別。此外，人發聲的習慣亦有快有慢，用力有大有小，也造成音強、音長的差別。音高、音強、音長、音色在語言學中被稱為語音“四要素”，這些因素又可分解成九十余種特征。這些特征表現了不同聲音的不同波長、頻率、強度、節奏。而語圖儀可以把聲波的變化轉換成電訊號的強度、波長、頻率、節奏變化，儀器又把這些電訊號的變化繪制成波譜圖形，就成了聲紋圖。

總體而言，聲紋是用電聲學儀器顯示的攜帶言語信息的聲波頻譜。現代科學研究表明，聲紋不僅具有特定性，而且有相對穩定性的特點。成年以后，人的聲音可保持長期相對穩定不變。實驗證明，無論講話者是故意模仿他人聲音和語氣，還是耳語輕聲講話，即使模仿得惟妙惟肖，其聲紋卻始終相同。通俗來說，聲紋就是人的聲音的身份證。

百度聲紋解鎖技術原理：建立聲紋VS聲紋識別

實際上，百度聲紋解鎖的原理也牽涉到兩個階段的應用。第一是聲紋注冊，也就是通過用戶的互動，建立一個語音的身份證；其二，就是聲紋識別，通過既有的聲紋模型與當前的用戶語音對比，看看是不是手機真正的主人。

在聲紋注冊階段，用戶需要對著手機念一段文字或者數字，當然，為了排除用戶情緒的失控（比如第一次玩聲紋解鎖的哥們、妹妹們），具備百度聲紋解鎖功能的手機會要求用戶重復輸入同樣的語音三次，這有點類似于我們設定密碼中的兩次輸入。

在聲紋識別階段，用戶只需要輸入注冊時使用的語音，通過手機系統的驗證，就能超酷炫的語音解鎖登錄了。這時，語音解鎖是怎么工作的呢？它對當前用戶的語音（姑且稱之為這個家伙）進行處理，并對數據庫中的模型（主人）進行匹配。結果其實就是兩種：一，如果“這個家伙”＝“主人”，放行；二，如果“這個家伙”≠“主人”，就給出提示要求他注冊。

百度聲紋解鎖的絕招：噪音處置算法

大家一定想著，哇，超帥！開機不用手，動動嘴皮就行了。

不過，很多人就想到了，在這個人口爆棚的時代，充滿噪聲的環境無可避免，聲紋解鎖還能工作嗎？

實際上，這正是百度聲紋解鎖技術的絕活所在——百度采用了先進的語音端點檢測算法和信噪比估計算法，能夠精確地判斷用戶輸入的語音信息是否有效。

大家知道，即便在嘈雜的環境中，我們人類還是有一種超能力的——可以將噪音當做耳邊風，將注意力集中在對方說話的聲音上（尤其是面對辣妹或帥哥時）。但是手機相對偉大的人類來說，這種能力絕不是與生俱來的。當手機用戶說話時，不管是人聲還是背景噪音，手機沒有辦法挑肥揀瘦，只能照單全收。

所以百度的工程師在研發手機的聲紋解鎖功能時，給它賦予了兩個超級的語音處理能力。第一個是使用語音端點檢測算法，來探測到用戶輸入語音的起始和終止位置，也就是說，哪怕外面吵翻天，但用戶可能一個字都沒有說。這種算法可以精確探測到用戶說話到底說了哪一段，因此分析起語音可以有的放矢。第二個是使用信噪比估計算法，來檢測用戶輸入語音的質量是否滿足需求。如果背景噪聲太強，就會提示用戶重新輸入。比如您在汪峰的演唱會現場給手機下指令，這就有點太過了，“這么吵也叫手機我識別？你當我是你啊？”。

通過上述兩種超級語音處理能力，百度聲紋解碼功能就能保障自己處于一個“能干活”的基礎上了。

百度聲紋解鎖技術的未來：問答式登錄

針對于眾多手機玩家的酷炫需求，百度的工程師也在為百度聲紋解鎖技術研發新的特性。比如在未來，有可能實現問答式登錄。

目前利用聲紋解鎖時，需要用戶輸入注冊時使用的特定內容，這就是固定的口令.

但在未來，百度聲紋解鎖技術將允許用戶有新的玩法。比如登錄時系統會隨機給出問題讓用戶回答，用戶回答問題后就會對用戶的聲音進行識別。如果用戶以前對系統輸入過語音，就算不是剛才回答的內容，系統也能分辨出來。

想象一下未來的手機生活：

主人：手機，乖，給我解鎖。

具備百度聲紋解鎖功能的手機（以下簡稱手機）：主人，你媽貴姓？

主人：姓王啊，不是跟你說過了嗎？煩不煩啊！

手機：什么態度啊？再出一道題，52乘以10等于多少？

主人：……

手機：520，答對了，聲學特征100%匹配，確認為主人身份，通過。

百度聲紋解鎖，君子動口不動手，聯想樂PhoneA586，君子之選。