本文围绕2025年中关村论坛平行论坛“未来互联网产业发展论坛”上，清华大学人工智能研究院听觉智能中心主任郑方关于声纹智能的观点展开。记者就声纹识别与人脸识别的安全性、声纹识别的优势、弱点及突破方法、多模态识别可能性和应用前景等问题对郑方进行了采访。
在2025年3月29日举行的中关村论坛平行论坛“未来互联网产业发展论坛”上，清华大学人工智能研究院听觉智能中心主任郑方提出了一个重要观点：声纹智能是重构安全可信的下一代互联网身份防线。这个观点引发了广泛关注，声纹识别会比人脸识别安全吗？它未来的应用前景又如何呢？带着这些疑问，新京报记者对郑方进行了深入采访。
声纹识别拥有诸多显著优势，能够更有效地体现真实意图。
新京报记者首先提出问题：“目前，AI换脸等技术可能对人脸识别造成影响，在身份认证方面，声纹识别会比人脸识别更安全吗？”
郑方详细解答道：“声纹识别有几个优势比较明显。第一个重要优势就是防止伪造。当下，生成式人工智能带来了伪造人音视频的威胁，我们需要精准地检测出这些伪造内容，特别是深度伪造。声音认证具有较强的信号内在特性和先进的方法，能够非常准确地检测出伪造的声音，从而保证认证的准确性。”
语音信号中包含着多种语音信息，这些信息既可以派生出多种识别技术，也可以综合运用来解决复杂的需求问题。例如方言口音识别、年龄识别、健康识别等。
此外，声纹识别更容易体现出真实意图。在身份认证过程中，会涉及远程办理的情况，像手机银行、电子政务等场景。虽然这些场景带来了便利，但也可能存在被认证人被胁迫的情况。同时，还存在被动认证的情况，比如路过某处时人脸被扫描，在不知情的情况下就完成了认证。相比之下，声音中的情感更容易被检测出来。当声纹识别检测出恐惧情感时，就属于异常情况，此时可以进一步验证本人是否主动进行认证。
语音还具有适老化和信息无障碍的特点。比如在进行一些操作时，无需点击手机菜单，直接说出话语即可。话语中既包含命令，也蕴含着身份信息和是否自愿的意图。这不仅对老人和残疾人非常方便，也让健全人在特殊场合的操作更加简便，例如两手提着东西或者开车时。
记者接着问道：“人脸有相像的情况，声音非常相似的话是否可以准确识别？”
郑方回应：“我们做过一些非常有代表性的实验，找了极端案例，如同卵双胞胎。光看人脸，有些同卵双胞胎是很难区分的，但声纹可以100%区分开来，所以声纹的区分性和唯一性是非常强的。”
美国有些科学家经过多年研究，对各种不同生物特征进行了全面比较，结果显示声纹在唯一性方面甚至比人脸还要强。母女、父子、兄弟或者姐妹的人脸有时候会很相似，但声音却能够完全分开。
未来可推行“声纹 + 人脸”的多模态识别方式。
记者又问：“声纹识别是否有弱点，如何突破？”
郑方表示：“任何技术都会有弱点，声纹识别也不例外。和人脸识别会受到光线影响一样，声纹识别存在噪声的问题，但这并非不能解决。比如鸡尾酒会效应，是指在嘈杂环境中，人们能够专注于一个特定声音源并忽略其他声音的能力。我们可以利用麦克风阵列的技术把噪声去掉，前期已经做了一些基础研究和铺垫。”
另外，人的声音和长相一样，会随着年龄增长出现变化。针对这个情况，研究团队提前20年就开始做基础课题的研究，已经收集了15年的数据。他们找了一组志愿者，让其连续15年每周说相同的话，最后找到了人的声音随年龄变化的规律，称之为声音的时变。目前基本上已经找到了解决方案，而且效果比较好。
录音重放攻击是声纹识别面临的巨大安全威胁，为此，研究团队发明了防假体攻击鉴伪（鉴别伪造）技术。
记者继续追问：“未来声纹识别是否可以叠加其他特征一起识别？”
郑方回答：“可以进行多模态的识别，将声纹跟人脸结合，这是生物特征认证最好的两种方式。一方面，声纹和人脸是人类与自然界信息交互最主要的两种方式。另一方面，在手机等智能终端上，麦克风和摄像头是标配。”
多年前研究团队就启动了声纹和人脸结合的研究，比较超前的是他们的技术可以不用把声音听全，不用把人脸看全，即非完整信息融合。比如影像被某个物品遮住一部分，声音突然被关门声盖过了一部分，也可以实现识别。这带来了更大的便利，比如人脸不用对准识别框，声音也不用输入时按键、结束时松手，实现无感认证。这种认证方式包含了防伪造攻击、体现意图等特点。
最后，记者询问：“声纹识别的应用前景如何？离大规模应用还有多久？”
郑方称：“声纹识别的应用会非常广泛，目前已经在移动金融、公安、社保、智慧家居等领域有了一些应用实践。国家政务服务平台上已经开通了以声纹识别的方式进行网络身份认证登录的通道。”
《国家网络身份认证公共服务管理办法（征求意见稿）》去年已经向社会公开征求意见，预计很快会正式公开。未来网络身份认证将会应用到声纹，推动之后会非常快速地覆盖应用，目前所做的都是前期准备和验证工作。
本文通过对郑方的采访，详细介绍了声纹识别在身份认证方面的优势，如防止伪造、体现真实意图、区分性和唯一性强等，也指出了其存在的弱点及相应的解决办法。同时提到未来可进行声纹与人脸的多模态识别，且声纹识别应用前景广泛，大规模应用指日可待。
