聲紋識(shí)別提供商SpeakIn資深科學(xué)家陳東鵬博士談到，從聲紋識(shí)別這一單項(xiàng)技術(shù)來講，容易受到真實(shí)環(huán)境下的各種影響，包括：噪音問題、多人說話、身體狀況、情緒影響等，現(xiàn)在確實(shí)很棘手。包括他們?cè)趦?nèi)的一些公司也在大力通過軟、硬件算法去優(yōu)化這些行業(yè)通用問題，在深度學(xué)習(xí)的加持下，整個(gè)行業(yè)的進(jìn)步也比以往更快。陳博士補(bǔ)充到，聲紋識(shí)別只是一個(gè)環(huán)節(jié)，效果判斷還需看產(chǎn)品本身和使用場(chǎng)景等因素。在產(chǎn)品層面，剛剛發(fā)布“小雅”智能音箱的喜馬拉雅表達(dá)了他們的看法。喜馬拉雅副總裁李海波表示，對(duì)于聲紋識(shí)別的應(yīng)用，公司內(nèi)部也攻關(guān)了很久，但無法做到完全準(zhǔn)確，目前還只是實(shí)驗(yàn)階段，效果一般。在談及阿里天貓精靈時(shí)，他講到，遠(yuǎn)場(chǎng)語音識(shí)別通常在三米到五米內(nèi)有效，降噪是在70dB左右，環(huán)境噪音和音響聲音大于這個(gè)標(biāo)準(zhǔn)就很難喚醒。而遠(yuǎn)場(chǎng)聲紋識(shí)別在同等距離下就更加不穩(wěn)定，目前客廳、電視機(jī)、廚房、床頭是智能音箱的四個(gè)常用場(chǎng)景，而除了床頭外，其他三個(gè)常用場(chǎng)景實(shí)際距離通常情況均超過三米，所以阿里音箱聲紋識(shí)別的具體實(shí)用性還不可得知。

　　至于亞馬遜Echo為何至今還沒用這個(gè)功能，李海波認(rèn)為該技術(shù)還不成熟，雖然很炫但風(fēng)險(xiǎn)很大。另外，Sensory公司的CEO Todd Mozer也認(rèn)為對(duì)Echo這樣的遠(yuǎn)場(chǎng)語音設(shè)備來說，識(shí)別誰在說話是很困難的。隨著信號(hào)/噪聲比例提高，設(shè)備的表現(xiàn)隨之變差。“降噪和從噪聲中分離語音的處理對(duì)于用戶身份的識(shí)別有非常大的影響，目前為止，市場(chǎng)上還沒有產(chǎn)品同時(shí)處理好用戶身份識(shí)別，遠(yuǎn)場(chǎng)語音和噪聲處理?！盡ozer說道。

　　再從遠(yuǎn)場(chǎng)聲紋識(shí)別的實(shí)際應(yīng)用情況來看，中科院自動(dòng)化所、極限元資深智能語音算法專家劉斌談到了他的看法。劉博士表示，遠(yuǎn)場(chǎng)語音識(shí)別受到噪聲、回聲、混響的干擾，無論是語音識(shí)別還是聲紋識(shí)別都很具有挑戰(zhàn)性。目前遠(yuǎn)場(chǎng)語音識(shí)別可靠的識(shí)別距離大約是3-5米；對(duì)于聲紋識(shí)別還要更難一些。因?yàn)檎Z音識(shí)別的目的是理解語音信號(hào)中的言語內(nèi)容，言語內(nèi)容信息跟共振峰高度相關(guān)，共振峰主要集中在低頻帶，語音信號(hào)低頻帶能量較高，受外部干擾相對(duì)較小，而說話人相關(guān)特征更多集中在高頻帶，語音高頻帶能量相對(duì)較低，更容易收到各種干擾的影響，因此遠(yuǎn)距離聲紋識(shí)別更具挑戰(zhàn)。他隨即說到，因?yàn)槊總€(gè)人說話特征會(huì)隨著不同因素而變化，例如感冒時(shí)發(fā)音跟正常時(shí)肯定有所差異，所以近場(chǎng)聲紋識(shí)別還不敢保證特別成熟，遠(yuǎn)場(chǎng)條件下肯定不太容易實(shí)用?？傮w來說，對(duì)于大多數(shù)用戶，聲紋識(shí)別應(yīng)用于智能音箱并不是剛需，從技術(shù)角度分析，聲紋識(shí)別尚不成熟。

　　那么，相比遠(yuǎn)場(chǎng)語音識(shí)別來說，更加不成熟的遠(yuǎn)場(chǎng)聲紋識(shí)別技術(shù)為何會(huì)被阿里急著應(yīng)用到音箱中呢？除了用此技術(shù)滿足用戶的個(gè)性化需求尋求差異化搶占市場(chǎng)外，劉博士還提到，介于阿里在電商領(lǐng)域的一些積累和優(yōu)勢(shì)，應(yīng)用在電商身份認(rèn)證也是阿里重點(diǎn)推進(jìn)的方向。

　　阿里基于淘寶、天貓巨大的資源優(yōu)勢(shì)將購物場(chǎng)景引入音箱中聽上去無可厚非，但從之前亞馬遜將此場(chǎng)景應(yīng)用在Echo上來看，用戶用其購物的使用頻率并不高，使用體驗(yàn)也不理想。科大訊飛執(zhí)行總裁胡郁此前就說到，從整個(gè)市場(chǎng)來看，購物場(chǎng)景應(yīng)用于音箱中還非常不成熟。真需求一定是用來滿足用戶剛需行為的功能，雖然Echo現(xiàn)在賣的很好，但調(diào)查后發(fā)現(xiàn)，用戶真正用得比較多的工具不過是設(shè)個(gè)提醒、查個(gè)天氣等等。之前亞馬遜大力推的Echo語音購物功能并沒有做起來，當(dāng)用戶用語音交互的形式去買東西時(shí)，會(huì)發(fā)現(xiàn)里面各個(gè)環(huán)節(jié)和場(chǎng)景挺麻煩，還不如直接在屏幕操作來的方便。

　　所以這也是很多企業(yè)一直在強(qiáng)調(diào)語音交互要和視覺呈現(xiàn)的原因，因?yàn)橛脩粼诿鎸?duì)沒有視覺呈現(xiàn)的情況下，你獲得的信息不夠，這時(shí)候很難完成一些復(fù)雜的操作。所以有些功能和場(chǎng)景都是我們自己憑空想出來的，直到真正投入實(shí)際使用時(shí)卻發(fā)現(xiàn)用戶的思維與行為習(xí)慣并不是產(chǎn)品設(shè)計(jì)的那樣。這里可以看出，如果用戶連使用電商功能的習(xí)慣都尚未養(yǎng)成，且聲紋技術(shù)問題重重，那么在電商中加入聲紋識(shí)別的訴求，目測(cè)也很難以經(jīng)得住市場(chǎng)考驗(yàn)。

　　激進(jìn)的產(chǎn)品策略

　　總體來看，阿里此次在智能音箱中加入聲紋識(shí)別的出發(fā)點(diǎn)很好：大打Echo和京東叮咚都沒有的功能營銷牌，在同質(zhì)化產(chǎn)品浪潮中，用前沿技術(shù)來提升競(jìng)爭(zhēng)力。但在整個(gè)技術(shù)和市場(chǎng)尚未成熟之際，阿里仍舊急切地嫁接聲紋識(shí)別，這個(gè)節(jié)點(diǎn)的產(chǎn)品策略，顯然有些激進(jìn)。