（文章來源：快商通）

自聲紋識別技術被推廣應用以來，聲紋庫建設的數據來源，一直是從業者們頭疼的難題。

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

最近，Kriston AI Lab發明了一種基于深度學習的單通道電話語音快速人聲分離技術（簡稱“單通道電話人聲分離”），破解了復雜場景下的人聲分離的難題，將銀行、保險、市場調研等行業的呼叫中心歷史語音數據變廢為寶，大大降低了聲紋數據庫的建設門檻。

一、無需人工干預的電話信道人聲分離，呼叫中心的電話語音，同時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，這對于我們人類來說十分簡單，但對于計算機來說，要把一個音頻分割成多個不同的語音來源，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音頻進行單獨優化，無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，以深度學習的方法實現數據模型訓練 , 無需人工干預，便可以將單通道電話信道音頻中兩個不同說話人的音頻進行拆分 ,分別保存，實現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？人聲分離技術以深度學習技術為基礎 , 構建多層RNN循環神經網絡。

1、利用現實生活中電話信道雙通道音頻作為訓練的數據集 , 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絡訓練的標簽音頻；

2、輸入單通道融合客服和客戶音頻到整個網絡當中 , 網絡的輸出結果為模型預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 , 訓練整個模型網絡的參數；

4、當模型訓練擬合之后，將模型取出，輸入現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，以實現反欺詐、電話營銷等功能。

在銀行領域，客服會對逾期不還的訂單進行電話提醒，從而產生大量的不還款語音數據，如果彼時該銀行使用的是單通道通話，可以應用快商通電話信道人聲分離技術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中歷史黑產數據的重要來源。銀行可進一步以黑聲紋庫為基礎，準確識別黑名單用戶，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，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簽、交易標簽、營銷標簽等特征相匹配，統一由后臺系統進行管理，實現高質量的電話營銷。技術日趨成熟、政策大力支持，聲紋識別這種身份認證方式已逐漸被各領域所認可，但與此同時，種種實際應用問題也浮出水面，聲紋庫建設的數據來源便是使用者們需要跨過的首個難關。

（責任編輯：fqj）