66２０１２年第４期一、前言
声纹特征是人体重要生物特征之一，具有较强的稳
定性和个体特殊性。
语音作为证据用于司法鉴定方面，我国在１９８８年由中
国刑事警察学院文检系率先成立了全国第一个声纹鉴定实
验室，引进了美国ＫＡＹ公司生产的７８００型声谱仪。１９８９
年，公安部物证鉴定中心（时为公安部第二研究所）成立
了以案件鉴定为目的的声纹鉴定实验室，并引进新一代
ＫＡＹ－５５００声谱仪，推动了声纹技术在办案实践中的应
用。我国司法声纹鉴定技术经过２０年的发展，以公安部物
证鉴定中心、最高人民检察院检察信息技术中心、广东省
公安厅、司法部司法鉴定中心等为代表的司法鉴定技术水
平已经取得长足进步。
近年来在声纹自动识别领域，我国也涌现出国际一
流研发团队，已经具备开展国际前沿技术研究、引领声纹
信息在公安领域实现大范围使用的实力。二、声纹自动识别技术
（一）声纹技术发展及现状
（二）声纹自动识别技术２０世纪４０年代初，美国贝尔实验室发明了声谱仪，并
且首先开始了声纹鉴定技术研究工作，并于６０～７０年代取
得重要进展，取得９９．６５％的正确率。此后声纹鉴定逐渐成
为案件侦查的一个重要技术。
目前声纹鉴定技术分为专家鉴定和自动识别两大领
域。专家鉴定方面，主要采用语音学分析方法，应用语音
学及统计分析技术，通过语音工作站测量、分析说话人的
语音声学特征（如声源特征、发音时的声道形状特征、发
音时的口腔及双唇特征以及语音信号时变频谱特征等），
然后采用统计判别方法对说话人语音是否同一作出判定。
语音学分析法是目前国内外司法领域说话人普遍采用的方
法，我国开展声纹鉴定的机构绝大多数均采用此方法。
声纹自动识别也称语音信号处理法，其基本原理声纹自动识别技术与声纹库建设应用
李敬阳胡国平王莉
１．公安部物证鉴定中心２．智能语音技术公安部重点实验室３．安徽省语音信息安全重点实验室１２２３１２
摘要：
关键词：本文首先简述声纹自动识别技术，接下来围绕声纹库建设应用的核心需求和技术要点，对声纹库建设所涉及的声纹
采集标准及专业设备研发、两级联动声纹库管理系统、高性能声纹检索引擎研发以及声纹采集入库等四项重要工作
进行思考和分析，阐述了近两年来各项工作所取得的进展，并对声纹库建设进行展望。
声纹自动识别 检索 数据库67ＰＴｏｌｉｃｅｅｃｈｎｏｌｏｇｙ２０１２年第４期声纹鉴定技术研究
（见图１）是由系统对说话人语音的特征参数进行分离提
取和线性或非线性处理，建立语音模型，然后由系统运算
进行模式匹配，确定出与其最接近的若干已知说话人语
音，得出相似度的结果，其结果是多选的。还可以进一步
细分为说话人辨认（ＳｐｅａｋｅｒＩｄｅｎｔｉｆｉｃａｔｉｏｎ）和说话人确认
（ＳｐｅａｋｅｒＶｅｒｉｆｉｃａｔｉｏｎ）。
声纹自动识别技术近几年在美国等国家深受重视，
例如美国国家标准技术署（ＮａｔｉｏｎａｌＩｎｓｔｉｔｕｔｅｏｆＳｔａｎｄａｒｄ
ａｎｄＴｅｃｈｎｏｌｏｇｙ，ＮＩＳＴ）举办的说话人识别评测，就是
针对实际应用需求，测试环境多、复杂度大，这些测试
能够准确体现参测系统在接近真实环境中的实际表现，
被认为是国际上水平最高、最严谨、最公平、结果最权
威的说话人语音识别系统测试。受邀参加评测的均为世
界顶级专业研究开发机构，包括美国麻省理工大学
（ＭＩＴ）、意大利都灵理工大学（ＬＰＴ）、法国科学研
究中心（ＬＩＭＳＩ）等。近几年，我国清华大学、中国科学
院声学所、科大讯飞语音实验室也参加了测试。根据
２００８、２０１０年ＮＩＳＴ举办的全球说话人识别评测结果，
以科大讯飞为代表的我国声纹自动识别技术已经达到国
际领先水平。衡量声纹自动识别系统水平的一项重要指
标是在一定库容量下的等错误率，等错误率越低说明准
确度越高。目前国内外不同声纹自动识别系统水平参差
不齐，好的系统在ＮＩＳＴ所制定的覆盖３０００多人、１０多个
语种以及各种信道的复杂情况测试集合上，对于２～３分
钟语音声纹识别的等错误率已经降到２．６５％，达到实际
应用要求，成为司法说话人鉴定系统一个必不可缺的部
分。它能够准确快速筛选嫌疑人，并提供可靠的相似概
率，其结果与专家鉴定结论相互印证，极大提高了案件
侦破的效率和准确率。但是目前多数系统在解决海量数
据、不同信道以及噪声影响等关键技术方面效果还不理
想，离实际应用还有一些差距。［１］三、声纹库建设与应用
（一）声纹库建设的意义
随着近年来电信诈骗、绑架、敲诈勒索等案件呈现
不断上升趋势，声纹特征在公共安全领域的应用价值日益
突显。但目前相对于指纹和ＤＮＡ而言，我国声纹的采
集、建库及管理应用能力等方面还有较大差距。当前，如
何在大量人群中快速准确地排查到犯罪嫌疑人，成为破案
关键所在。据文献报道，美、英等发达国家均建有犯罪人
员语音库，可以通过声纹自动识别技术快速锁定犯罪嫌疑
人，将侦查范围缩至极小，案件的侦破效率很高。
声纹库建设是我国公安机关“三项建设”的重要内
容之一，是集成了现代化声纹技术、信息技术和科学管理
的重要公安业务基础性工作，能够为处置重大突发事件、
侦破重大、疑难案件提供特殊而重要的技术支撑。与指纹
库、ＤＮＡ库类似，声纹库建设是一项有着重要实战价值
的工作，具体表现在声纹特征具有非接触式采集的优点，
和已有ＤＮＡ库和指纹库相关结合，可形成立体生物特征
库，建成后直接为多警种服务，是利用高科技手段在侦破
案件和诉讼活动中应用的一个新的增长点，将能有效提高
公安机关侦查破案的效率和能力，成为落实科技强警的重
要实践之一。
声纹库建设过程为：基于标准的声纹信息采集流
程，对被采集人员的声纹进行采集入库。声纹库的典型应
用模式是：当获得检材后，基于声纹检索技术，从声纹库
中获得与检材声纹最相似的前若干候选（列表），这些候68２０１２年第４期前期研讨结果，声纹库管理系统拟采用省、部两级联动的
声纹库存储管理系统及声纹检索引擎，在各个基层信息采
集室部署专业声纹采集设备，并在市局部署声纹检索应用
客户端。整套系统各环节分工定义如图３所示。
声纹信息采集终端：主要部署在各基层信息采集室
中。采集系统按照标准声纹采集流程执行，要求填写被采
集人基本信息，具体包括姓名、身份证号、籍贯、口音、
文化水平、声音特点（如沙哑、尖、浑厚）等，采集端同
时集成对所采集声纹信息的质量评估功能，以确保所采集
的声纹信息达到入库要求。最终合格的声纹信息（以多通
道录音数据形式）及附带标注信息，通过专网上传汇总到
所在省级声纹库中。
省级声纹库管理中心：配备声纹库管理系统及声纹
检索引擎服务器集群。声纹库管理系统负责管理和保存本
省所有被采集人员的声纹信息。声纹检索引擎服务器负责
从上传的多通道录音数据中提取出用于声纹检索的声纹信
息，并上传到部级声纹库管理中心。声纹检索引擎服务器
同时处理各应用终端提交的声纹检索任务。
部级声纹库管理中心：配备声纹库管理系统及声纹
检索任务调配系统，负责保存全国声纹信息（不包括语音
数据部分）以及对应的身份等信息，以便作为省级声纹库
管理中心的备份。负责声纹检索任务调配系统、处理各省
中心提交的跨省声纹检索协查任务。
声纹应用终端：主要部署在各市局点，提供声纹信
息查找、下载及声纹检索任务提交和检索结果查看功能。
当某个地市出现了需要进行声纹检索的需求时，可以上传
检材，并指定检索范围（全省还是全国）和已知犯罪嫌疑选（列表）提交给鉴定专家进行进一步的声纹鉴定以确定
目标人或为案件侦查提供重要线索。声纹库建设及应用模
式如图２所示。
声纹建库的内容，参考指纹库及ＤＮＡ库的建设经
验，主要包括以下四部分内容，下面逐一展开说明。
首先必须确保入库声纹的质量。因此需要通过科
学、系统的研究来制定针对自然人的声纹信息标准采集流
程，同时需要研制声纹采集的标准设备，并建立可操作的
声纹采集标准流程，形成公共安全行业标准，为声纹库建
设提供标准支撑，也确保采集入库的各个声纹能够发挥应
有的价值。
根据声纹自动识别技术现状及未来趋势分析，声纹
采集规范的制定应该特别注重以下几个方面：
（１）有效克服信道差异对识别结果的干扰，比如采
用多通道同时录音的方式提高声纹采集精度，且多个信道
的组合能够有效覆盖目前各种主流信道；
（２）充分考虑声纹信息采集内容的完整性；
（３）采集过程要有明确的可操作性。
高性能声纹检索引擎是声纹库建设及价值发挥的核
心。声纹库建设中，必须基于目前声纹识别领域的最新进
展，并且针对基于一个声纹检材片段在百万级声纹库中进
行检索以确定目标嫌疑人范围这一特殊任务，组织有实力
的技术团队进行针对性攻关。
明确声纹检索的关键指标，即在有限候选前提下，
声纹检索的召回率能够达到多少。根据未来可能实际应用
场景的预测和评估，声纹检索的性能应达到在包含５０万个
自然人声纹的声纹库中，基于３０秒有效语音以上的检材，
声纹检索引擎所给出的前１００候选中，包含真正目标人的
召回率在９８％以上。
要达到上述声纹检索性能，必须解决以下技术问题：
（１）文本无关的声纹识别；
（２）研究细节区分性算法来处理声纹的相似性；
（３）提高声纹检索的信道鲁棒性；
（４）检索速度及可扩展性问题，针对一个检材在百
万级声纹库中的声纹检索任务，耗时需要达到１００秒以
内。
声纹库管理系统也是声纹库建设的重要工作，根据１．声纹采集设备的研制及标准的制定
２．高性能声纹检索引擎的研发
３．两级联动声纹库管理系统的研制（二）声纹库建设的主要内容