自聲紋識別技術(shù)被推廣應(yīng)用以來，聲紋庫建設(shè)的數(shù)據(jù)來源，一直是從業(yè)者們頭疼的難題。

對于金融、保險、證券、市場調(diào)研、電商等擁有呼叫中心，并會產(chǎn)生大量語音數(shù)據(jù)的領(lǐng)域來說，建設(shè)聲紋庫本不是難事，但受歷史技術(shù)水平的限制，這些領(lǐng)域所存儲的歷史語音數(shù)據(jù)來源大多為單通道，客服與客戶的聲音共存在同一段音頻之中，難以分割，無法發(fā)揮數(shù)據(jù)價值。

最近，Kriston AI Lab發(fā)明了一種基于深度學(xué)習(xí)的單通道電話語音快速人聲分離技術(shù)（簡稱“單通道電話人聲分離”），破解了復(fù)雜場景下的人聲分離的難題，將銀行、保險、市場調(diào)研等行業(yè)的呼叫中心歷史語音數(shù)據(jù)變廢為寶，大大降低了聲紋數(shù)據(jù)庫的建設(shè)門檻。

二、電話信道人聲分離是如何“煉”成的？

人聲分離技術(shù)以深度學(xué)習(xí)技術(shù)為基礎(chǔ) , 構(gòu)建多層RNN循環(huán)神經(jīng)網(wǎng)絡(luò)。

1、利用現(xiàn)實生活中電話信道雙通道音頻作為訓(xùn)練的數(shù)據(jù)集 , 將電話信道雙通道音頻合并為融合左通道客服音頻和右通道客戶音頻的單通道音頻作為整個模型訓(xùn)練的輸入音頻，將雙通道音頻直接讀取的左通道音頻和右通道音頻作為網(wǎng)絡(luò)訓(xùn)練的標(biāo)簽音頻；

2、輸入單通道融合客服和客戶音頻到整個網(wǎng)絡(luò)當(dāng)中 , 網(wǎng)絡(luò)的輸出結(jié)果為模型預(yù)測出來的拆分客服和客戶后的左通道音頻和右通道音頻；

3、將模型預(yù)測拆分的左通道音頻和右通道音頻，與原始雙通道音頻讀取的左通道音頻和右通道音頻進行損失值的計算, 訓(xùn)練整個模型網(wǎng)絡(luò)的參數(shù)；

4、當(dāng)模型訓(xùn)練擬合之后，將模型取出，輸入現(xiàn)實生活中電話信道單通道音頻，模型輸出的音頻即為拆分后的左通道音頻（客戶）和右通道客服（客服）。

三、電話信道人聲分離能發(fā)揮怎樣的作用？

電話信道人聲分離的最大作用，便是利用分割后的音頻進行聲紋庫注冊，以實現(xiàn)反欺詐、電話營銷等功能。

在銀行領(lǐng)域，客服會對逾期不還的訂單進行電話提醒，從而產(chǎn)生大量的不還款語音數(shù)據(jù)，如果彼時該銀行使用的是單通道通話，可以應(yīng)用快商通電話信道人聲分離技術(shù)對失信者音頻進行分割。分割后的音頻，便成為黑聲紋庫建設(shè)中歷史黑產(chǎn)數(shù)據(jù)的重要來源。銀行可進一步以黑聲紋庫為基礎(chǔ)，準(zhǔn)確識別黑名單用戶，從源頭上降低壞賬率，完善金融反欺詐鏈條。

在營銷方面，使用快商通電話信道人聲分離技術(shù)，可以對客服外呼電話進行客戶音頻分割，將客戶聲音與會員標(biāo)簽、交易標(biāo)簽、營銷標(biāo)簽等特征相匹配，統(tǒng)一由后臺系統(tǒng)進行管理，實現(xiàn)高質(zhì)量的電話營銷。

技術(shù)日趨成熟、政策大力支持，聲紋識別這種身份認(rèn)證方式已逐漸被各領(lǐng)域所認(rèn)可，但與此同時，種種實際應(yīng)用問題也浮出水面，聲紋庫建設(shè)的數(shù)據(jù)來源便是使用者們需要跨過的首個難關(guān)。

Kriston AI Lab從客戶的需求出發(fā)，推出能夠解決復(fù)雜場景下的人聲分離技術(shù)，為銀行、保險、證券、市場調(diào)研、電商等行業(yè)呼叫中心提供了聲紋庫建設(shè)的可行性方案。未來，Kriston AI Lab將持續(xù)發(fā)揮國際領(lǐng)先的算法優(yōu)勢，完善聲紋識別技術(shù)與產(chǎn)品的服務(wù)能力，推動產(chǎn)業(yè)鏈上下游共同發(fā)展。

附：Kriston AI Lab由快商通于2012年創(chuàng)建，專注于自然語言處理、聲紋識別和大數(shù)據(jù)技術(shù)研發(fā)，現(xiàn)由李海洲教授牽頭負(fù)責(zé)。Kriston AI Lab共申請400余項發(fā)明專利，為醫(yī)療、教育、金融、公安、智能家居等行業(yè)提供AI技術(shù)服務(wù)。