每个人的声音都和指纹一样，有自己独特的“元素”，会受到先天和后天环境的影响。那么，声音是否也可以像指纹一样被用作密码，让生活更便利？清华—得意音通声纹处理联合实验室副主任、清华大学计算机系高级工程师邬晓钧老师带来演讲《解开声音密码，让老年人不必奔波千里领退休金》。
大家好，我是邬晓钧。养老保险是我国社会保障的重要组成部分。根据规定，到了法定退休年龄的老人，如果已经缴纳了足够年限的养老保险，退休后每月就可以领取养老金。养老金是老人晚年的生活保障，有利于社会稳定。
随着我国经济发展，医疗服务水平和健康水平都得到提高，人们越来越长寿了。2000年11月份，我国第五次人口普查数据表明，60岁以上的老年人口在总人口中的比例已经超过了10%，说明我国已经进入了老龄社会。几年过去，我国老龄化的程度越来越高。到去年年底，全国老年人口总数已经占总人口的17.9%。根据预测，2050年可能每三个人中间就会有一个老年人。
老年人增多了，领取养老金的人数也会增加，好多地方都出现了养老保险入不敷出的现象。人社部报告显示，2014年全国有三个省养老金入不敷出，2015年有六个省，2016年有七个省。但同时，各地也都出现了冒领养老金的现象。老人去世后，由于种种原因，他的帐户没有及时注销，还有人在继续冒领他的养老金，其中普遍是直系亲属。
理论上，老人去世后的第二个月就应该停止发放养老金了，但是如果每个月都去核查所有老年人的生存状态，显然任务太困难艰巨。所以国家规定，退休人员每年要到现场认证一次，保证健在。虽然每年只需要认证一次，可是对于那些路途遥远、行动不便以及和子女住在外地的老人，年审还是非常麻烦的一件事情。
为了方便群众，有些地方的社保局提供上门服务，派出工作人员到交通不便的地方去做上门认证，或者去探望卧床住院的那些老人。但是由于人员所限，能服务的老人还是极少数的。有些地方规定，跟子女居住在外地的老人可以到居住地的社保机构去做认证，然后把认证材料寄回去。但是在实施过程中发现，有很多人伪造认证材料。
声纹，到底是什么？大家对指纹、掌纹、人脸、虹膜很熟悉，它们都属于生物特征，其实声纹也是一种生物特征。
我们说话的时候，从胸肺开始，然后声带振动，通过咽喉，然后到口腔、鼻腔发出声来，其中还会用到舌头、牙齿、嘴唇。这些发音器官的形态、尺寸，其实大家都不一样，这也是声纹有唯一性的先天生理基础。另外说话有发声习惯，韵律、口音和说话速度也决定了语音中间的一些特定信息。这样，发声器官和发声过程结合起来，就决定了语音包含了能够表征和辨识特定说话人的一些语音特征——声纹。
识别前，计算机要先去了解声纹，这个过程叫做注册。一般来说，就是要采集用户的一段语音，然后提取其中的声纹特征，建立声纹模型，存储在数据库里。认证或识别的时候，同样需要采集一段语音（一般会比注册短很多），从这段语音里也去抽取声纹特征，然后从数据库里拿出声纹模型进行某种计算，最后得到识别结果。
实际上，社保生存认证里用到的技术也不完全是声纹。语音本身是一种声波，麦克风能够记录下每一个时刻声波振动的强度，其中包含了非常丰富的信息（男女性别、年龄、语言类型、方言口音等，当然还有内容）。此外，声纹还能听出情绪（高兴还是悲伤）。我们把声音的这种特点总结成四个字，“形简意丰”。由此，我们设计了远程的声纹身份认证方案，在很多地方都有应用。
我们近几年研究的一个重要课题就是录音重放。我们参加了2019年国际自动说话人验证欺骗和对策挑战赛，其中就有录音重放的检测项目。在全世界156支队伍里头，我们清华-得意团队以挺大的优势拿到了第一名，等错误率只有0.39%（每一千个语音里有四个识别错误）。
目前，声纹身份认证已经在国家好几个省进行试点应用。我们也在研究扩大应用范围，试图解决青少年沉迷网络、视障老人使用智能设备等一些问题。
当然声纹识别技术目前还有很多问题解决得不够好，我们还在不断研究。但是我们相信，随着技术的发展，特别是5G即将普及，万物互联已经离我们非常近了。未来作为最方便自然的交互手段，语音一定会成为我们日常使用的技术。在无处不在的智能交互时代，我们相信声纹的身份认证一定会是其中重要的组成部分。