自由文识别是声纹识别的未来

36氪获悉，声纹识别技术服务商君林科技近期完成一轮千万级别天使轮融资，投资方为海泉基金。君林科技创始人王群表示，本次投资将用于研发投入、硬件生产及人才引进等。

君林科技成立于2016年，是一家专攻固定短语和自由文的声纹识别技术服务商，提供包含智能电视、智能音箱、车联网等智能家居和工业落地场景的技术服务。

不同于语音识别解决“说了什么”的问题，声纹识别回答“说话人是谁” 的问题。随着语音交互的发展，声纹识别作为一种安全验证方式，天然成为物联网身份识别的入口，也是个性化服务的前提条件。

声纹识别按照技术从易到难排序如下：固定数字、随机数字、固定短语、自由文、分割和聚类。但从使用体验来讲，却是反序排列。今天的数字识别技术已经基本成熟，得到商业化应用。其它声纹识别技术尚不成熟，少有好的应用案例。

固定短语的语音识别技术在实验室环境下准确率已经能达到99%，但在现实应用场景中准确率大幅降低，甚至低至80%。

主要有三个原因：

1、时间的鲁棒性。现实应用都是跨时间的应用，实验数据往往是集中录制。

2、环境噪声及混响。声纹相比语音识别更容易受到环境噪声和混响的影响，真实场景中不可避免的存在各种噪声和混响。

3、说话人的发音随意性。现实生活中人们发音具有一定的随意性，或大或小，或轻或重，不如实验室录制的一致性强。

真实场景准确率低造成声纹识别落地的困难。可以说，真实场景的准确率如果不能达到95%以上，则会在很大程度上影响体验感，难以落地到场景中。

君林科技专攻固定短语和自由文的声纹识别，提供从前端声学采集降噪，到后端模型算法、声纹数据库的一套完整解决方案。

经过2年多时间打磨，君林今年年初完成了新一代的声纹识别模型。据创始人介绍，君林已实现真实场景中固定短语识别准确率98%，自由文准确率97%。这一准确率已经超越了对应公司Nuance96%（内部测试数据）和百度92%的识别准确率（公开论文数据，2017）。

商业场景落地是技术类项目的核心难点。据创始人介绍，君林在智能家居和工业场景都已经有相应产品落地，进展顺利，但目前暂不方便公开披露。

团队部分，创始人王群曾任中国电声骨干企业技术负责人。核心技术团队包括师承COPSS总统奖获得者Prof. Nancy Reid的多伦多大学统计学博士Becky.Lin及计算机博士Chuan.Ma，以及研究大数据和AI深度学习超过10年的多位技术专家。

声纹识别赛道是一个正在爆发的蓝海市场，涌现出了不少的优秀玩家。百度在这一领域上持续发力，2017开始与农业银行共建AI智能银行。IDG投资的SpeakIn也在安防领域不断拓展新的落地场景。数字声纹识别方向上，清华教授郑方带领的得意音通也赢得了建设银行、国家信息中心、中国银联等大客户。智能音箱赛道中，天猫、ROKID等也开始加入声纹识别模块。2018年，声纹识别正在一步步进入大众认知视野。

关于本轮投资逻辑，海泉基金方面表示，随着物联网时代的加速来临，声纹识别已成为人工智能领域重要的入口。君林科技在技术人才、产品评测方面都具有自身的优势，看好项目的未来发展。

海泉基金是一家关注智能科技、消费升级、文创领域的早期基金，由音乐创作人胡海泉创办。自2014年成立以来，投资了包括铜师傅、悦米科技、临奇科技、新片场、风霆迅在内等诸多项目。