導語：聲音識別技術的發(fā)展已經(jīng)日趨成熟，并且延展出了多個使用場景。特別是伴隨當下移動互聯(lián)網(wǎng)和智能手機的普及，它已經(jīng)來到我們的日常生活中了。
科技是推動人類前行、社會進步的重要力量。實驗室里不分晝夜的反復試驗，成就了人類更便捷、更美好的生活。這個欄目的開設，旨在發(fā)現(xiàn)中國科技最前沿的力量，展現(xiàn)這些靜耐科研寂寞的團隊以及他們正在做的事情，為這個時代的科研足跡留下真實的印記。
電影《2012》中有一個片段，一群人無論怎么弄都啟動不了一輛汽車，而當車的主人說了一句“引擎，啟動”之后，這輛車就發(fā)動起來了。這就是神奇的語音和聲紋識別技術，也就是說，機器可以辨別主人的聲音命令和的身份。除了主人外，任何人說這句話都無法打開系統(tǒng)。
看上去還很科幻對嗎，可眼下，這個情景已經(jīng)真實的出現(xiàn)在我們的生活中了。雖然暫時還未大量地普及在汽車上，但這種聲音識別技術的發(fā)展已經(jīng)日趨成熟，并且延展出了多個使用場景。特別是伴隨當下移動互聯(lián)網(wǎng)和智能手機的普及，它已經(jīng)來到我們的日常生活中了。
比如，當我們拿起手機要進入銀行APP，不用密碼、無需指紋，只需自己讀一串數(shù)字，系統(tǒng)就可以通過聲音自動辨認你的身份，成功進入，而除你之外的任何人念相同的數(shù)字，都不能進入你的銀行系統(tǒng)。它的原理，實際上就是根據(jù)我們每個人聲音的獨特性來鑒定說話人的身份。可以說，世界上每一個人的聲音特征都是不同的，母子、父子、雙胞胎的聲音可能會很相像，但在計算機看來他們卻是完全不同的。
現(xiàn)在，中國建設銀行已經(jīng)開始采用這種技術，而它的供應方，就是一家叫做“得意音通”的科技公司。
把一件事做到極致
“我們是一家專門研究聲紋識別技術的公司。我們研發(fā)的技術只用來做一件事，就是對人的身份進行認證”，得意音通的創(chuàng)始人兼董事長鄭方向記者介紹，“因為專注于做這一件事，所以我們就要把它做到極致，包括性能、功能和穩(wěn)定性”。作為清華大學教授和博士生導師，鄭方有著科學家一貫精益求精的態(tài)度。
由于本科、碩士、博士都在清華求學，鄭方笑稱自己是“三清團”，而在清華畢業(yè)留校任教之后，他陸續(xù)擔任清華語音實驗室、語音技術中心、語音和語言技術中心主任等，跟聲音技術研究打了近三十年的交道。
2002年，得意音通在北京中關村國際孵化園成立。專業(yè)從事聲紋識別、語音識別與語言理解技術的研發(fā)和商業(yè)化應用，尤其在聲紋識別領域，其集技術研發(fā)、產(chǎn)品開發(fā)和服務提供于一身，擁有完全的自主知識產(chǎn)權。“與指紋識別一樣，聲紋識別也是生物特征識別技術的一種，但在遠程身份認證中它比指紋更保險，因為指紋可以用指模來造假，但聲紋特征的特殊性，使聲紋造假完全沒有了可能”，鄭方介紹，“因為聲紋是行為特征，我們一方面提取聲道的特征，世界上每個人的聲道特征都是不一樣的，另一方面我們還驗證說話的內(nèi)容，每次驗證說話的內(nèi)容都不同，錄音造假無效。”比如在生活中，我們可以模仿別人說話，模仿別人的語調(diào)和音色，從人耳的聽覺上幾乎可以以假亂真，但這只是表象上的相同，本質(zhì)上騙不了計算機的識別系統(tǒng)。
得意音通研發(fā)的聲紋識別技術，就是基于每個人聲道的長、短、粗、細，以及每個人說話的節(jié)奏、口音、發(fā)音，還有聲音所對應的喉管、聲道、鼻腔的形狀與尺寸等特征進行本質(zhì)識別，因此就算一個人模仿他人再相像，出現(xiàn)在計算機上的聲紋圖譜也是千差萬別的。
當然，人的聲音也并不是沒有變化的，比如因為感冒發(fā)燒引起的鼻塞、嗓子變啞，以及隨著年齡的增長聲音的成人化和自然老化等現(xiàn)象，都會引起人聲音的改變，但據(jù)鄭方介紹，人本身的聲道構(gòu)成、口音、節(jié)奏、發(fā)音還有很多身體特征都是不會改變的，因此這些表象的改變并不會影響計算機的識別。
不過，有一種情況卻可能對聲紋識別構(gòu)成威脅，那就是在你說話的時候別人錄下你的聲音，然后用錄音去登錄你的銀行賬戶，“所以為了防止這種情況，我們發(fā)明了一個叫做聲密保的產(chǎn)品，這是我們公司獨有的專利產(chǎn)品”，鄭方邊介紹邊掏出手機向記者具體展示。“聲密保”就是基于動態(tài)密碼語音的身份確認系統(tǒng)及方法，其利用動態(tài)密碼，結(jié)合語音識別和聲紋識別技術，來實現(xiàn)用戶身份的雙重驗證。簡單來說，就是需要念出的數(shù)字每次都會改變，即使是用戶自己，也要把動態(tài)碼念對才可以通過身份認證。
在鄭方的手機上，記者看到他第一次登錄手機銀行時，系統(tǒng)需要他念8個數(shù)字，而當他退出重新登陸時，系統(tǒng)給出的8個數(shù)字已經(jīng)跟第一次的全然不同，這樣就使錄音失去了作用。另外錄音在播放時，它的聲音頻譜已經(jīng)被破壞，與直接說的聲音已經(jīng)不同，完全可以被系統(tǒng)檢測出來，從而進一步阻止他人用錄音拼接的方式進入自己的銀行系統(tǒng)。
無限想象的“應用場景”
除了銀行、金融系統(tǒng)的身份認證外，聲紋識別技術還有許多其他的應用場景，比如對居民社保身份的確認。根據(jù)人社部的數(shù)據(jù)，2013年有3.5萬人冒領社保1.27億元，其中在很多人已經(jīng)去世的情況下，其家屬還照樣領取社保。“這就是由于沒有監(jiān)控，無法進行身份認證所帶來的問題。而解決這個問題的辦法，其實也是最能集中體現(xiàn)我們技術價值的地方，就是遠程認證”，鄭方解釋道，“遠程就是在異地，見不到面，憑相貌或者指紋認證都行不通的時候，聲音認證就是最好的方式了，只要事先用系統(tǒng)記錄下對方的聲音，然后在領取社保前讓對方念一串動態(tài)密碼，就能判別是不是被社保的本人在領取資金，從而解決冒領的問題”。
同時，聲紋識別還可以用于考勤，“當然這個認證可能對員工來說都不會喜歡”，鄭方笑著說，“但它對公司、單位來講，是一個比指紋和打卡都方便、高效和防代考勤的系統(tǒng)”。
現(xiàn)在公司考勤中，比較常用的兩種方式就是指紋和打卡，但這兩種方式都可以作假和讓別人代替，而且一個公司通常就幾個指紋機和打卡機，人多的單位在上下班高峰的時候容易擁堵和排隊，而用聲紋技術打卡，就無須排隊。據(jù)他介紹，員工在自己的手機上就可以點擊進入考勤系統(tǒng)進行聲紋認證，而員工身處的位置則是有限制的，利用手機的定位功能，只有在公司的區(qū)域內(nèi)才可以登錄這個考勤系統(tǒng)，這樣每個人在自己的手機上就可以完成考勤，既避免了排隊，提高了打考勤的效率，又防止了作假。
除此之外，在電子身份證、車聯(lián)網(wǎng)的安全、智能手機的隱私保護、智能客服等方面，聲紋認證也都有著巨大的市場空間，“而這幾點還只是目前能想到的，未來隨著移動互聯(lián)網(wǎng)技術和應用的不斷發(fā)展，聲紋認證可以應用的范圍和場景會越來越廣泛，所以我們在今年3月份推出了一個‘聲密保云平臺’。這個云平臺主要針對B端企業(yè)客戶，他們既可以享受平臺的存儲和認證服務，又可以根據(jù)我們免費提供的開發(fā)工具進行任何場景應用的二次開發(fā)。我們不收取一分費用，全部免費。因為現(xiàn)在很多人還不了解聲紋識別到底是什么，所以我們現(xiàn)在推廣這個平臺，就是讓更多的企業(yè)了解到這個技術”，鄭方表示。
在以技術為核心的創(chuàng)新型公司，強大的研發(fā)團隊是必不可少的。由于鄭方在清華任教，得意音通先天就占據(jù)了背靠清華的獨特優(yōu)勢，其研發(fā)部門現(xiàn)有員工近40人，主要負責聲紋識別、語音識別、智能客服等技術相關產(chǎn)品的研發(fā)與改進，團隊中本科以上學歷的工程師占89%以上，其中還有幾位博士是鄭方在清華的學生。2015年7月，在國內(nèi)高校產(chǎn)學研一體化大力推廣的背景下，清華大學以知識產(chǎn)權入股正式成為了得意音通的股東。同年10月，公司還與清華大學信息技術研究院語音和語言技術中心聯(lián)合建立了“清華-得意音通聲紋處理聯(lián)合實驗室（JLVPP）。
而除了“聲密保”外，得意音通共有15項發(fā)明專利技術，在聲紋識別方面，包括：聲紋辨認快速算法方面的專利，主要適用于國防、公安、司法等根據(jù)語音從大規(guī)模聲紋庫中檢索嫌疑人的應用；聲紋識別的訓練和識別方面的基礎算法專利；基于聲紋識別、人臉識別以及同步活體檢測的身份認證方法，這也是聲密保的加強版，該專利結(jié)合聲紋識別和人臉識別技術，利用語音和唇語同步檢測來確認用戶真實發(fā)音，從而提高遠程身份認證的可靠性，防止假冒；聲密保與指紋相結(jié)合的專利，這也是聲密保的加強版；防錄音攻擊的聲紋識別專利，可以有效防止錄音及錄音拼接攻擊；以及聲紋自學習的國際專利，可以應對聲紋隨著年齡發(fā)生緩慢變化的情形等等。
按鄭方的話說，“在推出產(chǎn)品前，我們前期做的準備工作就是構(gòu)筑了一道厚厚的‘專利墻’”。
用科學的思維做商業(yè)
可見，無論是在民用的商業(yè)市場還是在政府單位的公務市場，聲紋識別都有著相當大的用武之地。那么，該如何打入這些市場呢。技術出身的鄭方?jīng)]有上過一天的商學院，但他凡事愛琢磨的性格還是讓他由學者、科研人員的身份向商人的身份做了成功的轉(zhuǎn)型。
“許多知識理論其實都是相通的，研究技術如此，研究商業(yè)也是如此，所以我就想能不能把研究技術時對問題進行分析、拆解、推導等思路和方法論也用在商業(yè)推廣上，這樣我就知道每一步該做什么了”，鄭方說。
事實證明，這種方法不但走得通，而且還讓他找到了許多問題的關鍵點，比如一開始他就貼近了市場需求，并且根據(jù)實際情況不斷的改進提升產(chǎn)品。“事實上，科研成果轉(zhuǎn)化成商業(yè)產(chǎn)品最難的地方也就在這里，因而許多實驗室里的研究成果不能有效地轉(zhuǎn)化成量產(chǎn)的產(chǎn)品。往往科研成果是科研成果，商品還是那些商品，從實驗室向市場化邁進的過程中出現(xiàn)了斷裂，所以那時候我就跟我的團隊說，我們從一開始就要立足于市場，要以解決實際需求的初衷來研發(fā)產(chǎn)品，而不能一味的沉浸在科研本身上”。
本著這樣的思路，鄭方找到了他在金融領域的第一個大客戶，中國建設銀行。2009年，得意音通的聲紋識別技術安裝到了建行的95533聲紋身份認證系統(tǒng)上，在一段時間的試運營和測試后，成功的實現(xiàn)了客戶的零投訴率，這也讓鄭方信心倍增，決定要把服務銀行系統(tǒng)作為他市場化推廣的第一步，集中火力把產(chǎn)品進行更廣泛的應用。
在建行95533聲紋識別服務的運營期間，公司的“聲密保”技術還沒有被發(fā)明出來，當時系統(tǒng)抓取的只是客戶的聲紋，而并不關注客戶所講的內(nèi)容，而且需要抓取時間較長，所以那時在建行辦理業(yè)務的客戶往往需要講至少十秒鐘的話，而且講話的內(nèi)容全需要自己想，這就在產(chǎn)品的體驗上產(chǎn)生了瑕疵，也不能有效防止錄音闖入。
“所以建行當時就給我們提意見，十秒鐘時間太長、很多客戶都不知道說點什么好，能不能縮短抓取時間、提高產(chǎn)品的性能。這樣，我們就持續(xù)改進，直到研發(fā)出了聲密保，建行就滿意了”，鄭方回憶說。
眼下，讓鄭方高興的好消息是：今年5月，建行將在普通客戶中全面地開始應用聲紋識別服務；而現(xiàn)階段，他的團隊也正在與中國銀聯(lián)洽談合作打造一個開放平臺，屆時所有的銀行系統(tǒng)都可以在這個平臺上使用這個技術，那也就意味著公司在銀行、金融系統(tǒng)的推廣取得了巨大進展。
可以說，經(jīng)過了七年的努力和改進之后，市場告訴作為商人的鄭方，第一步路走對了。
希望公司做有意義的事
而接下來的第二步，就是如何構(gòu)筑強有力的商業(yè)模式。
通過與建行的合作，得意音通進入民用市場已經(jīng)有了良好的基礎，接下來，鄭方的思路是，繼續(xù)深耕民用市場，為進入政府公務市場做準備，“我們的政府客戶涉及國防、公安、司法等機構(gòu)，市場空間非常廣闊，但公務市場這塊的進入會比較慢，因為它要受到很多法律規(guī)則的限制，所以眼下我們在民用市場這塊集中發(fā)力，為將來切入公務市場做技術儲備”。
而“聲密保云平臺”，就是他實現(xiàn)核心目標的重要步驟。
“我們的云平臺現(xiàn)在都是免費面向客戶的，以促使更多的客戶了解、熟悉和掌握聲紋認證系統(tǒng)的使用。這樣做的好處是：一方面可以幫助我們擴大宣傳；另一方面，我們將來可以和這些客戶談合作，實現(xiàn)多種形式的雙贏的盈利方式”。
談到這，鄭方信心滿滿，而他自信的源泉，則來自于得意音通在行業(yè)內(nèi)拿的多個第一。2013年，在由工信部主辦的“中國語音產(chǎn)業(yè)年會”上，其“聲密保”語音支付產(chǎn)品榮獲了“2013年中國語音創(chuàng)新產(chǎn)品獎”；2014年，再次憑借“聲密保”榮獲了CTI論壇頒發(fā)的“2014年度編輯推薦獎”。
而鄭方本人，則是CCC（國際中文語言資源聯(lián)盟）理事長、中國中文信息學會語音信息專業(yè)委員會主任委員，NCMMSC（全國人機語音通訊學術會議）常設機構(gòu)委員會主席等，并先后參與負責起草了工信部的《自動聲紋識別（說話人識別）技術規(guī)范》、公安部的《安防生物特征識別應用術語》和《安防聲紋確認應用算法技術要求和測試方法》等行業(yè)標準，可以說，是一個絕對的業(yè)內(nèi)大咖。
在去年8月北京汽車集團產(chǎn)業(yè)投資有限公司完成對得意音通的A+輪融資后，鄭方眼下并不急于吸納新的融資，他的目標，是先把產(chǎn)品做精、把服務和推廣做好，爭取在今年內(nèi)與更多的金融機構(gòu)和社保單位等領域達成合作，完成他在民用市場的初步布局。
最后，當記者問他對未來公司發(fā)展的構(gòu)想時，他笑言自己還沒有想那么長遠，只是盡力把當下該做的事情做好，如果有愿望，就是希望公司的產(chǎn)品是對社會是有用、有價值的，“做公司不只是為了賺錢，我們一路走下來，艱難的事情也很多，最終堅持到了現(xiàn)在，就是希望我們的產(chǎn)品能夠為大眾提供安全、方便、可靠的身份認證服務，未來公司董事長是不是我都不重要，但我們尋找的，一定是跟我們志同道合、有社會責任感的合作伙伴，不然我肯定不能把公司交出去撒手不管。”
說到這，褪去商人的身份，鄭方大學教授、科學家的性格基因又跳脫出來了……
