導(dǎo)語：聲音識(shí)別技術(shù)的發(fā)展已經(jīng)日趨成熟，并且延展出了多個(gè)使用場(chǎng)景。特別是伴隨當(dāng)下移動(dòng)互聯(lián)網(wǎng)和智能手機(jī)的普及，它已經(jīng)來到我們的日常生活中了。
科技是推動(dòng)人類前行、社會(huì)進(jìn)步的重要力量。實(shí)驗(yàn)室里不分晝夜的反復(fù)試驗(yàn)，成就了人類更便捷、更美好的生活。這個(gè)欄目的開設(shè)，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(tuán)隊(duì)以及他們正在做的事情，為這個(gè)時(shí)代的科研足跡留下真實(shí)的印記。
電影《2012》中有一個(gè)片段，一群人無論怎么弄都啟動(dòng)不了一輛汽車，而當(dāng)車的主人說了一句“引擎，啟動(dòng)”之后，這輛車就發(fā)動(dòng)起來了。這就是神奇的語音和聲紋識(shí)別技術(shù)，也就是說，機(jī)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(duì)嗎，可眼下，這個(gè)情景已經(jīng)真實(shí)的出現(xiàn)在我們的生活中了。雖然暫時(shí)還未大量地普及在汽車上，但這種聲音識(shí)別技術(shù)的發(fā)展已經(jīng)日趨成熟，并且延展出了多個(gè)使用場(chǎng)景。特別是伴隨當(dāng)下移動(dòng)互聯(lián)網(wǎng)和智能手機(jī)的普及，它已經(jīng)來到我們的日常生活中了。
比如，當(dāng)我們拿起手機(jī)要進(jìn)入銀行APP，不用密碼、無需指紋，只需自己讀一串?dāng)?shù)字，系統(tǒng)就可以通過聲音自動(dòng)辨認(rèn)你的身份，成功進(jìn)入，而除你之外的任何人念相同的數(shù)字，都不能進(jìn)入你的銀行系統(tǒng)。它的原理，實(shí)際上就是根據(jù)我們每個(gè)人聲音的獨(dú)特性來鑒定說話人的身份?？梢哉f，世界上每一個(gè)人的聲音特征都是不同的，母子、父子、雙胞胎的聲音可能會(huì)很相像，但在計(jì)算機(jī)看來他們卻是完全不同的。
現(xiàn)在，中國建設(shè)銀行已經(jīng)開始采用這種技術(shù)，而它的供應(yīng)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(shí)別技術(shù)的公司。我們研發(fā)的技術(shù)只用來做一件事，就是對(duì)人的身份進(jìn)行認(rèn)證”，得意音通的創(chuàng)始人兼董事長鄭方向記者介紹，“因?yàn)閷Ｗ⒂谧鲞@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(xué)教授和博士生導(dǎo)師，鄭方有著科學(xué)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(xué)，鄭方笑稱自己是“三清團(tuán)”，而在清華畢業(yè)留校任教之后，他陸續(xù)擔(dān)任清華語音實(shí)驗(yàn)室、語音技術(shù)中心、語音和語言技術(shù)中心主任等，跟聲音技術(shù)研究打了近三十年的交道。
2002年，得意音通在北京中關(guān)村國際孵化園成立。專業(yè)從事聲紋識(shí)別、語音識(shí)別與語言理解技術(shù)的研發(fā)和商業(yè)化應(yīng)用，尤其在聲紋識(shí)別領(lǐng)域，其集技術(shù)研發(fā)、產(chǎn)品開發(fā)和服務(wù)提供于一身，擁有完全的自主知識(shí)產(chǎn)權(quán)。“與指紋識(shí)別一樣，聲紋識(shí)別也是生物特征識(shí)別技術(shù)的一種，但在遠(yuǎn)程身份認(rèn)證中它比指紋更保險(xiǎn)，因?yàn)橹讣y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?yàn)槁暭y是行為特征，我們一方面提取聲道的特征，世界上每個(gè)人的聲道特征都是不一樣的，另一方面我們還驗(yàn)證說話的內(nèi)容，每次驗(yàn)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(jì)算機(jī)的識(shí)別系統(tǒng)。
得意音通研發(fā)的聲紋識(shí)別技術(shù)，就是基于每個(gè)人聲道的長、短、粗、細(xì)，以及每個(gè)人說話的節(jié)奏、口音、發(fā)音，還有聲音所對(duì)應(yīng)的喉管、聲道、鼻腔的形狀與尺寸等特征進(jìn)行本質(zhì)識(shí)別，因此就算一個(gè)人模仿他人再相像，出現(xiàn)在計(jì)算機(jī)上的聲紋圖譜也是千差萬別的。
當(dāng)然，人的聲音也并不是沒有變化的，比如因?yàn)楦忻鞍l(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(huì)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(huì)改變的，因此這些表象的改變并不會(huì)影響計(jì)算機(jī)的識(shí)別。
不過，有一種情況卻可能對(duì)聲紋識(shí)別構(gòu)成威脅，那就是在你說話的時(shí)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(gè)叫做聲密保的產(chǎn)品，這是我們公司獨(dú)有的專利產(chǎn)品”，鄭方邊介紹邊掏出手機(jī)向記者具體展示。“聲密保”就是基于動(dòng)態(tài)密碼語音的身份確認(rèn)系統(tǒng)及方法，其利用動(dòng)態(tài)密碼，結(jié)合語音識(shí)別和聲紋識(shí)別技術(shù)，來實(shí)現(xiàn)用戶身份的雙重驗(yàn)證。簡單來說，就是需要念出的數(shù)字每次都會(huì)改變，即使是用戶自己，也要把動(dòng)態(tài)碼念對(duì)才可以通過身份認(rèn)證。
在鄭方的手機(jī)上，記者看到他第一次登錄手機(jī)銀行時(shí)，系統(tǒng)需要他念8個(gè)數(shù)字，而當(dāng)他退出重新登陸時(shí)，系統(tǒng)給出的8個(gè)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(shí)，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(cè)出來，從而進(jìn)一步阻止他人用錄音拼接的方式進(jìn)入自己的銀行系統(tǒng)。
無限想象的“應(yīng)用場(chǎng)景”
除了銀行、金融系統(tǒng)的身份認(rèn)證外，聲紋識(shí)別技術(shù)還有許多其他的應(yīng)用場(chǎng)景，比如對(duì)居民社保身份的確認(rèn)。根據(jù)人社部的數(shù)據(jù)，2013年有3.5萬人冒領(lǐng)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(lǐng)取社保。“這就是由于沒有監(jiān)控，無法進(jìn)行身份認(rèn)證所帶來的問題。而解決這個(gè)問題的辦法，其實(shí)也是最能集中體現(xiàn)我們技術(shù)價(jià)值的地方，就是遠(yuǎn)程認(rèn)證”，鄭方解釋道，“遠(yuǎn)程就是在異地，見不到面，憑相貌或者指紋認(rèn)證都行不通的時(shí)候，聲音認(rèn)證就是最好的方式了，只要事先用系統(tǒng)記錄下對(duì)方的聲音，然后在領(lǐng)取社保前讓對(duì)方念一串動(dòng)態(tài)密碼，就能判別是不是被社保的本人在領(lǐng)取資金，從而解決冒領(lǐng)的問題”。
同時(shí)，聲紋識(shí)別還可以用于考勤，“當(dāng)然這個(gè)認(rèn)證可能對(duì)員工來說都不會(huì)喜歡”，鄭方笑著說，“但它對(duì)公司、單位來講，是一個(gè)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(gè)公司通常就幾個(gè)指紋機(jī)和打卡機(jī)，人多的單位在上下班高峰的時(shí)候容易擁堵和排隊(duì)，而用聲紋技術(shù)打卡，就無須排隊(duì)。據(jù)他介紹，員工在自己的手機(jī)上就可以點(diǎn)擊進(jìn)入考勤系統(tǒng)進(jìn)行聲紋認(rèn)證，而員工身處的位置則是有限制的，利用手機(jī)的定位功能，只有在公司的區(qū)域內(nèi)才可以登錄這個(gè)考勤系統(tǒng)，這樣每個(gè)人在自己的手機(jī)上就可以完成考勤，既避免了排隊(duì)，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(jī)的隱私保護(hù)、智能客服等方面，聲紋認(rèn)證也都有著巨大的市場(chǎng)空間，“而這幾點(diǎn)還只是目前能想到的，未來隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)和應(yīng)用的不斷發(fā)展，聲紋認(rèn)證可以應(yīng)用的范圍和場(chǎng)景會(huì)越來越廣泛，所以我們?cè)诮衲?月份推出了一個(gè)‘聲密保云平臺(tái)’。這個(gè)云平臺(tái)主要針對(duì)B端企業(yè)客戶，他們既可以享受平臺(tái)的存儲(chǔ)和認(rèn)證服務(wù)，又可以根據(jù)我們免費(fèi)提供的開發(fā)工具進(jìn)行任何場(chǎng)景應(yīng)用的二次開發(fā)。我們不收取一分費(fèi)用，全部免費(fèi)。因?yàn)楝F(xiàn)在很多人還不了解聲紋識(shí)別到底是什么，所以我們現(xiàn)在推廣這個(gè)平臺(tái)，就是讓更多的企業(yè)了解到這個(gè)技術(shù)”，鄭方表示。
在以技術(shù)為核心的創(chuàng)新型公司，強(qiáng)大的研發(fā)團(tuán)隊(duì)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(dú)特優(yōu)勢(shì)，其研發(fā)部門現(xiàn)有員工近40人，主要負(fù)責(zé)聲紋識(shí)別、語音識(shí)別、智能客服等技術(shù)相關(guān)產(chǎn)品的研發(fā)與改進(jìn)，團(tuán)隊(duì)中本科以上學(xué)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(xué)生。2015年7月，在國內(nèi)高校產(chǎn)學(xué)研一體化大力推廣的背景下，清華大學(xué)以知識(shí)產(chǎn)權(quán)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(xué)信息技術(shù)研究院語音和語言技術(shù)中心聯(lián)合建立了“清華-得意音通聲紋處理聯(lián)合實(shí)驗(yàn)室（JLVPP）。
而除了“聲密保”外，得意音通共有15項(xiàng)發(fā)明專利技術(shù)，在聲紋識(shí)別方面，包括：聲紋辨認(rèn)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(yīng)用；聲紋識(shí)別的訓(xùn)練和識(shí)別方面的基礎(chǔ)算法專利；基于聲紋識(shí)別、人臉識(shí)別以及同步活體檢測(cè)的身份認(rèn)證方法，這也是聲密保的加強(qiáng)版，該專利結(jié)合聲紋識(shí)別和人臉識(shí)別技術(shù)，利用語音和唇語同步檢測(cè)來確認(rèn)用戶真實(shí)發(fā)音，從而提高遠(yuǎn)程身份認(rèn)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(qiáng)版；防錄音攻擊的聲紋識(shí)別專利，可以有效防止錄音及錄音拼接攻擊；以及聲紋自學(xué)習(xí)的國際專利，可以應(yīng)對(duì)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(zhǔn)備工作就是構(gòu)筑了一道厚厚的‘專利墻’”。
用科學(xué)的思維做商業(yè)
可見，無論是在民用的商業(yè)市場(chǎng)還是在政府單位的公務(wù)市場(chǎng)，聲紋識(shí)別都有著相當(dāng)大的用武之地。那么，該如何打入這些市場(chǎng)呢。技術(shù)出身的鄭方?jīng)]有上過一天的商學(xué)院，但他凡事愛琢磨的性格還是讓他由學(xué)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(shí)理論其實(shí)都是相通的，研究技術(shù)如此，研究商業(yè)也是如此，所以我就想能不能把研究技術(shù)時(shí)對(duì)問題進(jìn)行分析、拆解、推導(dǎo)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(shí)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(guān)鍵點(diǎn)，比如一開始他就貼近了市場(chǎng)需求，并且根據(jù)實(shí)際情況不斷的改進(jìn)提升產(chǎn)品。“事實(shí)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(shí)驗(yàn)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(shí)驗(yàn)室向市場(chǎng)化邁進(jìn)的過程中出現(xiàn)了斷裂，所以那時(shí)候我就跟我的團(tuán)隊(duì)說，我們從一開始就要立足于市場(chǎng)，要以解決實(shí)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(lǐng)域的第一個(gè)大客戶，中國建設(shè)銀行。2009年，得意音通的聲紋識(shí)別技術(shù)安裝到了建行的95533聲紋身份認(rèn)證系統(tǒng)上，在一段時(shí)間的試運(yùn)營和測(cè)試后，成功的實(shí)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(wù)銀行系統(tǒng)作為他市場(chǎng)化推廣的第一步，集中火力把產(chǎn)品進(jìn)行更廣泛的應(yīng)用。
在建行95533聲紋識(shí)別服務(wù)的運(yùn)營期間，公司的“聲密保”技術(shù)還沒有被發(fā)明出來，當(dāng)時(shí)系統(tǒng)抓取的只是客戶的聲紋，而并不關(guān)注客戶所講的內(nèi)容，而且需要抓取時(shí)間較長，所以那時(shí)在建行辦理業(yè)務(wù)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(yàn)上產(chǎn)生了瑕疵，也不能有效防止錄音闖入。
“所以建行當(dāng)時(shí)就給我們提意見，十秒鐘時(shí)間太長、很多客戶都不知道說點(diǎn)什么好，能不能縮短抓取時(shí)間、提高產(chǎn)品的性能。這樣，我們就持續(xù)改進(jìn)，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(yīng)用聲紋識(shí)別服務(wù)；而現(xiàn)階段，他的團(tuán)隊(duì)也正在與中國銀聯(lián)洽談合作打造一個(gè)開放平臺(tái)，屆時(shí)所有的銀行系統(tǒng)都可以在這個(gè)平臺(tái)上使用這個(gè)技術(shù)，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(jìn)展。
可以說，經(jīng)過了七年的努力和改進(jìn)之后，市場(chǎng)告訴作為商人的鄭方，第一步路走對(duì)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(qiáng)有力的商業(yè)模式。
通過與建行的合作，得意音通進(jìn)入民用市場(chǎng)已經(jīng)有了良好的基礎(chǔ)，接下來，鄭方的思路是，繼續(xù)深耕民用市場(chǎng)，為進(jìn)入政府公務(wù)市場(chǎng)做準(zhǔn)備，“我們的政府客戶涉及國防、公安、司法等機(jī)構(gòu)，市場(chǎng)空間非常廣闊，但公務(wù)市場(chǎng)這塊的進(jìn)入會(huì)比較慢，因?yàn)樗艿胶芏喾梢?guī)則的限制，所以眼下我們?cè)诿裼檬袌?chǎng)這塊集中發(fā)力，為將來切入公務(wù)市場(chǎng)做技術(shù)儲(chǔ)備”。
而“聲密保云平臺(tái)”，就是他實(shí)現(xiàn)核心目標(biāo)的重要步驟。
“我們的云平臺(tái)現(xiàn)在都是免費(fèi)面向客戶的，以促使更多的客戶了解、熟悉和掌握聲紋認(rèn)證系統(tǒng)的使用。這樣做的好處是：一方面可以幫助我們擴(kuò)大宣傳；另一方面，我們將來可以和這些客戶談合作，實(shí)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(gè)第一。2013年，在由工信部主辦的“中國語音產(chǎn)業(yè)年會(huì)”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(jiǎng)”；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(jiǎng)”。
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(xué)會(huì)語音信息專業(yè)委員會(huì)主任委員，NCMMSC（全國人機(jī)語音通訊學(xué)術(shù)會(huì)議）常設(shè)機(jī)構(gòu)委員會(huì)主席等，并先后參與負(fù)責(zé)起草了工信部的《自動(dòng)聲紋識(shí)別（說話人識(shí)別）技術(shù)規(guī)范》、公安部的《安防生物特征識(shí)別應(yīng)用術(shù)語》和《安防聲紋確認(rèn)應(yīng)用算法技術(shù)要求和測(cè)試方法》等行業(yè)標(biāo)準(zhǔn)，可以說，是一個(gè)絕對(duì)的業(yè)內(nèi)大咖。
在去年8月北京汽車集團(tuán)產(chǎn)業(yè)投資有限公司完成對(duì)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(biāo)，是先把產(chǎn)品做精、把服務(wù)和推廣做好，爭取在今年內(nèi)與更多的金融機(jī)構(gòu)和社保單位等領(lǐng)域達(dá)成合作，完成他在民用市場(chǎng)的初步布局。
最后，當(dāng)記者問他對(duì)未來公司發(fā)展的構(gòu)想時(shí)，他笑言自己還沒有想那么長遠(yuǎn)，只是盡力把當(dāng)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(duì)社會(huì)是有用、有價(jià)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(jiān)持到了現(xiàn)在，就是希望我們的產(chǎn)品能夠?yàn)榇蟊娞峁┌踩?、方便、可靠的身份認(rèn)證服務(wù)，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(huì)責(zé)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(xué)教授、科學(xué)家的性格基因又跳脫出來了……
