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

對(duì)于金融、保險(xiǎn)、證券、市場(chǎng)調(diào)研、電商等擁有呼叫中心，并會(huì)產(chǎn)生大量語(yǔ)音數(shù)據(jù)的領(lǐng)域來(lái)說(shuō)，建設(shè)聲紋庫(kù)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(chǔ)的歷史語(yǔ)音數(shù)據(jù)來(lái)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(wú)法發(fā)揮數(shù)據(jù)價(jià)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(yǔ)音快速人聲分離技術(shù)（簡(jiǎn)稱“單通道電話人聲分離”），破解了復(fù)雜場(chǎng)景下的人聲分離的難題，將銀行、保險(xiǎn)、市場(chǎng)調(diào)研等行業(yè)的呼叫中心歷史語(yǔ)音數(shù)據(jù)變廢為寶，大大降低了聲紋數(shù)據(jù)庫(kù)的建設(shè)門(mén)檻。

一、無(wú)需人工干預(yù)的電話信道人聲分離

呼叫中心的電話語(yǔ)音，同時(shí)存在客服和客戶兩種不同的聲源，如何分辨出特定人物的聲音，這對(duì)于我們?nèi)祟悂?lái)說(shuō)十分簡(jiǎn)單，但對(duì)于計(jì)算機(jī)來(lái)說(shuō)，要把一個(gè)音頻分割成多個(gè)不同的語(yǔ)音來(lái)源，卻要面臨很多困難。

尤其是多人聲音重疊部分，分離效果差，且需要采集大量的相關(guān)音頻進(jìn)行單獨(dú)優(yōu)化，無(wú)疑是一種事倍功半的行為。

Kriston AI Lab提出的這種電話信道人聲分離技術(shù)，以深度學(xué)習(xí)的方法實(shí)現(xiàn)數(shù)據(jù)模型訓(xùn)練 , 無(wú)需人工干預(yù)，便可以將單通道電話信道音頻中兩個(gè)不同說(shuō)話人的音頻進(jìn)行拆分 ,分別保存，實(shí)現(xiàn)端到端的電話信道人聲分離。

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(shí)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(gè)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(gè)網(wǎng)絡(luò)當(dāng)中 , 網(wǎng)絡(luò)的輸出結(jié)果為模型預(yù)測(cè)出來(lái)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(cè)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(jìn)行損失值的計(jì)算 , 訓(xùn)練整個(gè)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(shí)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(jìn)行聲紋庫(kù)注冊(cè)，以實(shí)現(xiàn)反欺詐、電話營(yíng)銷等功能。

在銀行領(lǐng)域，客服會(huì)對(duì)逾期不還的訂單進(jìn)行電話提醒，從而產(chǎn)生大量的不還款語(yǔ)音數(shù)據(jù)，如果彼時(shí)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(duì)失信者音頻進(jìn)行分割。分割后的音頻，便成為黑聲紋庫(kù)建設(shè)中歷史黑產(chǎn)數(shù)據(jù)的重要來(lái)源。銀行可進(jìn)一步以黑聲紋庫(kù)為基礎(chǔ)，準(zhǔn)確識(shí)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(yíng)銷方面，使用快商通電話信道人聲分離技術(shù)，可以對(duì)客服外呼電話進(jìn)行客戶音頻分割，將客戶聲音與會(huì)員標(biāo)簽、交易標(biāo)簽、營(yíng)銷標(biāo)簽等特征相匹配，統(tǒng)一由后臺(tái)系統(tǒng)進(jìn)行管理，實(shí)現(xiàn)高質(zhì)量的電話營(yíng)銷。

技術(shù)日趨成熟、政策大力支持，聲紋識(shí)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(shí)，種種實(shí)際應(yīng)用問(wèn)題也浮出水面，聲紋庫(kù)建設(shè)的數(shù)據(jù)來(lái)源便是使用者們需要跨過(guò)的首個(gè)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(chǎng)景下的人聲分離技術(shù)，為銀行、保險(xiǎn)、證券、市場(chǎng)調(diào)研、電商等行業(yè)呼叫中心提供了聲紋庫(kù)建設(shè)的可行性方案。未來(lái)，Kriston AI Lab將持續(xù)發(fā)揮國(guó)際領(lǐng)先的算法優(yōu)勢(shì)，完善聲紋識(shí)別技術(shù)與產(chǎn)品的服務(wù)能力，推動(dòng)產(chǎn)業(yè)鏈上下游共同發(fā)展。