什么是声纹识别？
语音携带的信息非常丰富，大家普遍了解的语音识别是指对语音内容的识别技术，即解决了“给定语音到底说了什么”的问题。
声纹识别简单的说就是判断给定的一句话到底是谁说的技术。早在上世纪40年代末期就有相关研究者开始进行相关技术的探索，主要应用于军事情报领域。其理论基础就是“每个人的说话特性都具有其独特的特征”，而决定这种独特特征的主要因素有：
1、声腔的差异，其包括咽喉、鼻腔、口腔以及胸腔等，这些欺诳的形状、尺寸和位置决定了声腔的差异。因此大家可以感受到，不同的人说话，其声音的频率分布是不同的；
2、发声的操作方式，主要是指唇、口齿、舌头等部位在发声时的相互作用。
一般而言，人在逐渐的学习过程中就会慢慢的形成了自己的声纹特性，正常说话时的声纹状态还是相对稳定的。但是声纹特性仍然具有易变性，因为影响声纹特性的两个因素非常容易受身体状况、年龄、情绪等情况的干扰，从而导致声纹特性的变化。例如：人随着年龄的变化声纹特性也在随之变化，尤其是小时候和成年后；人在感冒时由于鼻腔堵塞等问题会明显感觉到声纹特性的不一致等。当然，人也可以通过刻意的模仿等形成不同的声纹特性。总而言之，声纹特征是类似于虹膜、指纹等一种具有独特性的生物特征。
声纹识别从任务上来说，主要分为声纹确认技术（1:1）和声纹识别技术（1：N）两类。声纹确认技术回答的是两句话到底是不是一个人说的问题，而声纹识别技术回答的则是”给定的一句话属于样本库中谁说的”问题。
声纹识别也叫“说话人识别”，是生物识别技术中的一种，简单来说的话，声纹识别技术可以“确认说话人是谁”。我们说话的时候，每个人的发音器官、发音通道和发音习惯上有个体差异，声纹识别技术就是为了识别出说话人之间这些差异，
根据目的不同，声纹识别也可分为“说话人辨认”和“说话人确认”两种类型：
“说话人辨认”可以理解为：一堆人在说话，从这堆人当中辨认出某一个人的说话声，俗称“1：N”；
“说话人确认”可以理解为：从一堆人当中辨认出了某一个人的说话声，对这个人进行再确认，确认这个人就是已有声纹的持有者，俗称“1:1”。
在声纹识别技术中，比较关键的指标有：
FAR（FalseAccept Rate）错误接受率：即把A的声音当做了B的声音；
FRR（FalseReject Rate）错误拒绝率：即未把A的声音当做A本人的声音；
EER（EqualError Rate）等错误率：即FAR=FRR时的错误率
EER是评价声纹识别技术的核心标准，简单来说，EER越小，说话人声纹识别的准确率就越高。比如国内厂商SpeakIn为公安及司法机构提供的“搏音”声纹算法的EER为0.5，识别准确率就是99.5%。
此外，声纹采样率、采样信噪比、语音时长、文本内容等音素也会在不同程度上影响声纹识别准确率。
