CN102737634A - 一种基于语音的认证方法及装置 - Google Patents

Abstract

本发明公开了一种基于语音的认证方法及装置。一种基于语音的认证方法包括：生成文本认证信息；将所述文本认证信息显示给待认证用户并提示用户回应；接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。本发明实施例所提供的技术方案，将声纹认证技术和语音识别技术相结合，一方面，通过声纹认证来确定用户的身份，另一方面，利用即时生成的认证信息让用户回应，再通过语音识别判断用户的回应语音信息内容是否与所生成的认证内容相符，从而可以有效地避免录音欺骗，解决单一的声纹识别技术所存在的安全隐患。

Description

一种基于语音的认证方法及装置

技术领域

本发明涉及计算机应用技术领域，特别是涉及一种基于语音的认证方法及装置。

背景技术

在信息化时代，如何准确鉴定一个人的身份、保护信息安全，已成为一个广为关注的问题。传统的身份认证方式由于极易伪造和丢失，已经难以满足需求，目前最为便捷与安全的解决方案无疑是生物特征识别技术。生物识别技术(Biometric Identification Technology)是指利用人体生物特征进行身份认证的一种技术。其通过计算机与光学、声学、生物传感器和生物统计学原理等高科技手段密切结合，利用人体固有的生理特征和行为特征来进行个人身份的鉴定。

目前，应用较为广泛的生物特征包括脸部、指纹、掌纹、虹膜等特征，基于这些特征的认证/识别系统都要求具有图像采集设备，而且对图像质量敏感，识别结果很容易受到拍摄角度、环境光线等因素干扰，这就对图像采集设备提出了较高的要求。如果是基于指纹、掌纹、虹膜等特征的系统，还要求配置特殊的采集装置，进一步增加了实现成本，难以在手机、平板电脑等移动设备上得以实际应用。

声纹(Voiceprint)是对语音中所包含的能唯一表征说话人身份的特征参数以及基于这些特征参数所建立的模型的总称。声纹识别则是根据某段语音识别说话人身份的方法。与指纹、掌纹、虹膜等识别方法相比，声纹识别不会受到角度光线等因素影响，而且仅需要简单的录音设备即可，实现成本相对较低，目前绝大多数移动设备都具有录音功能。

然而，与指纹、虹膜等特征不同的是，声音样本可以较为容易地采集，因此利用录音等手段，可以轻易实现对系统的欺骗。

发明内容

为解决上述技术问题，本发明实施例提供一种基于语音的认证方法及装置，以解决现有的声纹识别技术所存在的安全隐患。技术方案如下：

本发明提供一种基于语音的认证方法，该方法包括：

生成文本认证信息；

将所述文本认证信息显示给待认证用户并提示用户回应；

接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

在本发明的一种实施方式中，所述对该语音信息进行声纹认证及语音识别，根据结果确定用户是否通过认证，包括：

利用预先训练的声纹模型，对所述语音信息进行声纹认证；

在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

在本发明的一种实施方式中，该方法还包括：

在用户通过认证的情况下，利用所述语音信号对所述声纹模型进行修正。

在本发明的一种实施方式中，所述生成文本认证信息，包括：

根据预置的字符集合，以字符为单位生成文本认证信息。

在本发明的一种实施方式中，所述提示用户回应包括：提示用户以字符为单位，阅读所述文本认证信息。

在本发明的一种实施方式中，所述语音识别过程，以字符为基本识别单位。

在本发明的一种实施方式中，所述将语音识别结果与所生成的文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证，包括：

根据预先定义的所述字符集合中相似读音字符的差异度，计算语音识别结果与文本认证信息的字符差异度，若计算结果小于预设的阈值，则确定该用户通过认证。

在本发明的一种实施方式中，所述预置的字符集合中，不包括读音相似的字符。

在本发明的一种实施方式中，

所述生成文本认证信息，包括：生成一问题形式的信息并确定问题答案；

所述将文本认证信息显示给待认证用户并提示用户回应，包括：将问题显示给待认证用户并提示用户回答所述文本认证信息中的问题。

在本发明的一种实施方式中，所述将语音识别结果与所生成的文本认证信息进行匹配，包括：

将语音识别结果与所述问题答案进行匹配。

本发明还提供一种基于语音的认证装置，该装置包括：

认证信息生成模块，用于生成文本认证信息；

显示模块，用于将所述文本认证信息显示给待认证用户并提示用户回应；

认证模块，用于接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

在本发明的一种实施方式中，所述认证模块，包括：

声纹认证子模块，用于接收用户回应的语音信息，利用预先训练的声纹模型，对所述语音信息进行声纹认证；

语音识别子模块，用于在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

认证子模块，用于将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

在本发明的一种实施方式中，该装置还包括：

修正模块，用于在用户通过认证的情况下，利用所述语音信号对所述声纹模型进行修正。

在本发明的一种实施方式中，所述认证信息生成模块，具体用于：

根据预置的字符集合，以字符为单位生成文本认证信息。

在本发明的一种实施方式中，所述显示模块具体用于：提示用户以字符为单位，阅读所述文本认证信息。

在本发明的一种实施方式中，所述语音识别子模块以字符为基本识别单位。

在本发明的一种实施方式中，所述认证子模块具体用于：

根据预先定义的所述字符集合中相似读音字符的差异度，计算语音识别结果与文本认证信息的字符差异度，若计算结果小于预设的阈值，则确定该用户通过认证。

在本发明的一种实施方式中，所述预置的字符集合中，不包括读音相似的字符。

在本发明的一种实施方式中，

所述认证信息生成模块具体用于：生成一问题形式的信息并确定问题答案；

所述显示模块具体用于：将问题显示给待认证用户并提示用户回答所述文本认证信息中的问题。

在本发明的一种实施方式中，所述认证子模块具体用于：将语音识别结果与所述问题答案进行匹配。

本发明实施例所提供的技术方案，将声纹认证技术和语音识别技术相结合，一方面，通过声纹认证来确定用户的身份，另一方面，利用即时生成的认证信息让用户回应，再通过语音识别判断用户的回应语音信息内容是否与所生成的认证内容相符，从而可以有效地避免录音欺骗，解决单一的声纹识别技术所存在的安全隐患。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明实施例基于语音的认证方法的流程图；

图2为本发明实施例基于语音的认证方法的另一种流程图；

图3为本发明实施例基于语音的认证装置的结构示意图；

图4为本发明实施例基于语音的认证装置的另一种结构图。

具体实施方式

人类语言的产生是人体语言中枢与发音器官之间一个复杂的生理物理过程，人在讲话时使用的发声器官如舌、牙齿、喉头、肺、鼻腔在尺寸和形态方面每个人的差异很大，所以任何两个人的声纹图谱都有差异。因此在一般情况下，人们仍能区别不同的人的声音或判断是否是同一人的声音。

声纹的具体应用分为两类：一类是声纹识别，即说话人辨认(SpeakerIdentification)；另一类是声纹认证，即说话人确认(Speaker Verification)。前者用以判断某段语音是若干人中的哪一个所说的，是“多选一”问题；而后者用以确认某段语音是否是指定的某个人所说的，是“一对一判别”问题。

不同的应用场景会使用不同的声纹识别技术，如用于刑侦时可能需要识别技术，而门禁等应用场景则需要认证技术。与声纹识别相比，声纹认证并不需要较高的精度，但是对于机器而言，在进行认证时接收到的只是一段音频信息，难以区分是真人说话还是录音，因此如果如果没有其他辅助手段(例如人工监督)，仅凭声纹信息对用户身份进行认证，很容易利用录音的方式进行欺骗，存在较大的安全隐患。

针对上述问题，本发明实施例提供了一种基于语音的认证方法，参见图1所示，该方法可以包括以下步骤：

S101，生成文本认证信息；

S102，将所述文本认证信息显示给待认证用户并提示用户回应；

S103，接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

语音识别，是一种让语音信号转变为相应的文本或命令的技术。目前已经在多种领域得以应用。本发明实施例所提供的技术方案，将声纹认证技术和语音识别技术相结合，一方面，通过声纹认证来确定用户的身份，另一方面，利用即时生成的认证信息让用户回应，再通过语音识别判断用户的回应语音信息内容是否与所生成的认证内容相符，从而可以有效地避免录音欺骗，解决单一的声纹识别技术所存在的安全隐患。

为了使本领域技术人员更好地理解本发明中的技术方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行详细地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员所获得的所有其他实施例，都应当属于本发明保护的范围。

可以理解的是，声纹认证和语音识别可以是两个相对独立的过程，理论上可以分别进行，然后根据声纹认证和语音识别的结果综合判定。例如，要求用户说一段话(这段话可以是固定)，用于进行声纹认证；同时要求用户阅读一段指定文字或者回答指定问题，用于进行语音识别；如果声纹认证和语音识别同时满足，则用户通过认证。

在实际应用中，语音识别的实现复杂度要高于与声纹认证，在前述方案中，主要还是利用声纹认证确认用户身份，而语音识别则起到辅佐作用，目的是避免录音欺骗。而且声纹认证和语音识别都是基于语音信息的，因此，为了降低系统复杂度，提高认证的效率，本发明方案仅要求用户输入一段语音认证信息，并且仅当该段信息通过声纹认证之后，才进一步进行语音识别。图2所示为本发明一种具体实施方式的流程图，包括以下步骤：

S201，生成文本认证信息；

S202，将所述文本认证信息显示给待认证用户并提示用户回应；

S203，接收用户回应的语音信息，利用预先训练的声纹模型，对所述语音信息进行声纹认证；

S204，在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

S205，将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

与指纹、虹膜等特征相比，人类的语音特征会随着时间发生漂移，为了能够跟踪说话人的语音漂移，在本发明的优选实施方案中，在一次正确的认证之后，可以利用本次正确认证的语音信息，对已有的声纹模型进行训练，修正模型参数，从而保证系统的识别性能。

由于手机、平板电脑等便携设备都配备有麦克风，因此本发明所提供的认证方案，可以应用于便携设备的解锁操作。但是目前实用化的语音识别系统结构和算法极其复杂，有时还需要借助云计算平台实现，而目前的移动设备系统资源有限。针对这一情况，本发明提出的方案是：在语音识别过程，采用小词表的孤立词识别，可以在计算资源紧张的移动终端上实现语音识别，不需要访问云计算服务器，解锁时不依赖网络接入。另一方面，使用小词表的文本相关算法，提高识别率易达到实际应用的需求，算法简单有效，易于在嵌入式系统上实现。

在本发明的一种具体实施方式中，选取识别集合为一个小的孤立词集合，具体可以包含但不限于以下几种方案：

a)“0～9”10个阿拉伯数字字符；

b)“a～z”26个英文字母字符；

c)“0～9”加上”a～z”一共36个字符；

d)去除前述三种方案中读音近似的字符(例如”1”和”7”)，剩下的子集。

本发明的方案可具体分为设置阶段和解锁阶段实施，以下将分别进行详细介绍：

1)设置阶段。主要用于训练说话人确认模型。可以包括以下步骤：

S301，系统检测语音输入设备(麦克风)是否可用，可用则进入步骤S302；不可用则提示用户语音输入设备不可用，并退出设定程序；

S302，系统开启语音输入功能，显示训练字符串在屏幕上，要求用户阅读，为了保证训练成功，训练字符需要足够的长度，例如要求30秒以上；如果有必要，还可以要求用户多次输入，以增加模板样本数量。

S303，系统自动检测语音输入长度是否满足要求，如果是则开始训练，否则返回步骤S302，要求用户重新输入；

S304，如果训练成功，提示用户设定成功，进入步骤S305；如果训练失败，提示用户设定失败。

S305，训练成功之后需要进行一次测试。测试是和解锁步骤基本一致，系统随机产生一个字符串，要求字符串长度读音能满足识别需要，然后对输入语音数据进行识别和判决；

S306，检测此次解锁是否成功，如果成功则提示用户训练成功；如果失败则进入步骤S305重试，重试3次连续失败则提示用户训练失败，退出设定程序。

2)解锁阶段。用户试图解锁设备。

S401，进入解锁程序；

S402，系统开启语音输入，随机产生字符串并显示在屏幕上，要求用户阅读；或者产生一问题形式的认证信息(同时也会确定问题的答案)，例如简单的算术题，将问题部分显示给用户，并且要求用户回答该问题。

S403，用户根据提示输入语音后，系统自动检测语音长度是否满足要求，语音长度满足要求后系统开始进行语音识别，否则重新执行步骤S402；

S404，声纹认证模块对用户输入内容进行认证，如果认证通过，则继续执行S405，否则提示认证失败

S405，语音识别模块对用户输入内容进行识别，与S402所产生的随机字符串进行比较(或者是与问题的答案进行比较)，如果完全一致或者相似度达到一定的阈值，则判断为合法用户，进行解锁操作；如果判决为非法用户，则继续锁定设备，重新执行步骤S402；

S406，正确解锁之后，利用本次正确识别的语音数据对说话人确认模型进行训练，此步骤可以有效跟踪说话人特征随时间的漂移，提高识别精度；

下面对本发明方案中所涉及的算法的具体实现进行介绍：

1)声纹认证算法：

本发明利用声纹认证算法来确认用户身份，每个人的语音包含了说话人的特殊特征。通过对语音特征的鉴别，就能区分是否为同一个人，声纹认证主要包括特征提取和特征匹配两方面，具体实现方式可直接应用现有的技术，本发明对此并不需要进行限定。

由于人类语音特征一般会随着时间发生漂移，为了能够跟踪说话人的语音特征漂移，在一次正确的识别之后，利用语音数据对模型进行训练，修正模型参数，可以提高系统识别正确率。

2)语音识别算法：

语音识别是根据语音输入信号，识别出说话内容的方法，语音识别可以分为孤立词语音识别和连续语音识别。目前孤立词语音识别算法已经非常成熟，识别率达到了应用要求，例如采用动态时间规整(DTW)，隐马尔科夫模型(HMM)，矢量量化(VQ)等算法。孤立词识别算法不但精度高，而且复杂度较低，易于在移动设备上实现。

3)判决算法

在判决时，设置两个阈值T1和T2。

T1为声纹认证阈值，声纹认证模块的输出值Tspeaker是输入语音和声纹模型的距离，表征了输入特征和设置特征的相似度，将Tspeaker和T1进行比较：

若Tspeaker＞＝T1，则判断为合法说话人

若Tspeaker＜T1，则判断为非法说话人

T2为语音识别文本差异度，用以判断输入文字和识别文字是否相同，本系统中语音识别作为辅助判断是否为录音仿冒，因此在字符度长度足够的情况下，不必要求必须每个字符完全相同，小于预先设置阈值T2则可认为合法。

汉语中的很多字发音相似，在计算文本差异度Ttext时，可以考虑字音相似导致的语音识别系统误判。本发明提出了一种基于发音相似度的判决算法，详细如下：

假设预设的字符集为“0～9”加上”a～z”一共36个字符，为字符集的相似发音字符建立一张表，对字符之间的差异度赋值。未出现在表中的字符间差异度均默认为1，相同字符间差异度为0。表1列出了部分数字和英文字母中文读音差异度，差异度值可以根据语音数据训练得到。

字符	字符	差异度
			“1”	“7”	0.7
“e”	“1”	0.3
			“k”	“a”	0.5
“q”	“9”	0.6
			“t”	“1”	0.7
“u”	“6”	0.8

表1

在判断两个字符串是否相似时，可以通过计算其差异度总值或平均差异度的方法，其中，计算字符平均差异度的方法为：

Ttext＝平均差异度＝总差异度/字符串长度

如果两个字符串长度不相等，认为字符和空白字符的差异度为1，字符串长度为两个字符串长度最大值。

举例说明，假如文本认证信息的字符串为“124k5t”：

用户输入后，通过语音识别，若识别结果字符串为“124k5t”，则总差异度为0，平均差异度为0；

若识别结果字符串为“724k51”，则根据表1：

“7”和“1”差异度为0.7，

“t”和“1”差异度为0.7，

因此总差异度为1.4，平均差异度为1.4/6＝0.233；

若识别结果字符串为“164385”，则总差异度为4，平均差异度为4/6＝0.667；

若识别结果字符串为“12”，只有原字符串中前2个字符，后面为空白字符，所以差异度为4，字符串长度为6，平均差异度为4/6＝0.667；

由此可见，上述算法实际是两个字符串的语音加权平均。差异度越小，说明字符串整体读音越相近；差异度越大说明字符读音越不同。差异度为0表明完全相同，1则表示完全不同。

在判决时，根据预设的T2进行判决：

若Ttext＜＝T2：判断为正确阅读，系统接受；

若Ttext＞T2：判断为未正确阅读，系统拒绝；

上例中：假设T2＝0.3，则“124k5t”和“724k51”的平均差异度小于T2，判定为正确阅读；而”164385”和”12”平均差异度大于T2，因此判定为错误阅读。

最后，根据声纹认证和语音识别系统输出，判决为合法用户的条件为：

Tspeaker＞＝T1并且Ttext＜＝T2

否则判决为非法用户。

其中，阈值T1和T2可以通过经验值设定，使系统达到最佳性能。

相应于上面的方法实施例，本发明还提供一种基于语音的认证装置，参见图3所示，该装置可以包括：

认证信息生成模块510，用于生成文本认证信息；

显示模块520，用于将所述文本认证信息显示给待认证用户并提示用户回应；

认证模块530，用于接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

本发明实施例所提供的装置，将声纹认证技术和语音识别技术相结合，一方面，通过声纹认证来确定用户的身份，另一方面，利用即时生成的认证信息让用户回应，再通过语音识别判断用户的回应语音信息内容是否与所生成的认证内容相符，从而可以有效地避免录音欺骗，解决单一的声纹识别技术所存在的安全隐患。

在实际应用中，语音识别的实现复杂度要高于与声纹认证，在前述方案中，主要还是利用声纹认证确认用户身份，而语音识别则起到辅佐作用，目的是避免录音欺骗。而且声纹认证和语音识别都是基于语音信息的，因此，为了降低系统复杂度，提高认证的效率，本发明方案仅要求用户输入一段语音认证信息，并且仅当该段信息通过声纹认证之后，才进一步进行语音识别。根据这一方案，本发明中的认证模块530具体可以包括：

声纹认证子模块，用于接收用户回应的语音信息，利用预先训练的声纹模型，对所述语音信息进行声纹认证；

语音识别子模块，用于在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

认证子模块，用于将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

与指纹、虹膜等特征相比，人类的语音特征会随着时间发生漂移，为了能够跟踪说话人的语音漂移，在本发明的优选实施方案中，在一次正确的认证之后，可以利用本次正确认证的语音信息，对已有的声纹模型进行训练，修正模型参数，从而保证系统的识别性能。

参见图4所示，在本发明的一种实施方式中，所述认证装置还可以进一步包括：

修正模块540，用于在用户通过认证的情况下，利用所述语音信号对所述声纹模型进行修正。

由于手机、平板电脑等便携设备都配备有麦克风，因此本发明所提供的认证方案，可以应用于便携设备的解锁操作。但是目前实用化的语音识别系统结构和算法及其复杂，有时还需要借助云计算平台实现，而目前的移动设备系统资源有限。针对这一情况，本发明提出的方案是：在语音识别过程，采用小词表的孤立词识别，可以在计算资源紧张的移动终端上实现语音识别，不需要访问云计算服务器，解锁时不依赖网络接入。另一方面，使用小词表的文本相关算法，提高识别率易达到实际应用的需求，算法简单有效，易于在嵌入式系统上实现。

在本发明的一种实施方式中，所述认证信息生成模块510具体用于：

根据预置的字符集合，以字符为单位生成文本认证信息。

所述显示模块520具体用于：提示用户以字符为单位，阅读所述文本认证信息。

所述语音识别子模块以字符为基本识别单位。

所述认证子模块具体用于：根据预先定义的所述字符集合中相似读音字符的差异度，计算语音识别结果与文本认证信息的字符差异度，若计算结果小于预设的阈值，则确定该用户通过认证。

在本发明的一种实现方式中，所述预置的字符集合中，还可以预先去除读音相似的字符。

在本发明的另一种实现方式中，所述认证信息生成模块510还可以具体用于生成一问题形式的信息并确定问题答案；

所述显示模块具体用于：将问题显示给待认证用户并提示用户回答所述文本认证信息中的问题。

所述认证子模块具体用于：将语音识别结果与所述问题答案进行匹配。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到本发明可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。

以上所述仅是本发明的具体实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

Claims (20)

1.一种基于语音的认证方法，其特征在于，该方法包括：

生成文本认证信息；

将所述文本认证信息显示给待认证用户并提示用户回应；

接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

2.根据权利要求1所述的方法，其特征在于，所述对该语音信息进行声纹认证及语音识别，根据结果确定用户是否通过认证，包括：

利用预先训练的声纹模型，对所述语音信息进行声纹认证；

在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

3.根据权利要求1或2所述的方法，其特征在于，该方法还包括：

在用户通过认证的情况下，利用所述语音信号对所述声纹模型进行修正。

4.根据权利要求1所述的方法，其特征在于，所述生成文本认证信息，包括：

根据预置的字符集合，以字符为单位生成文本认证信息。

5.根据权利要求4所述的方法，其特征在于，

所述提示用户回应包括：提示用户以字符为单位，阅读所述文本认证信息。

6.根据权利要求5所述的方法，其特征在于，

所述语音识别过程，以字符为基本识别单位。

7.根据权利要求6所述的方法，其特征在于，所述将语音识别结果与所生成的文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证，包括：

根据预先定义的所述字符集合中相似读音字符的差异度，计算语音识别结果与文本认证信息的字符差异度，若计算结果小于预设的阈值，则确定该用户通过认证。

8.根据权利要求4所述的方法，其特征在于，

所述预置的字符集合中，不包括读音相似的字符。

9.根据权利要求1所述的方法，其特征在于，

所述生成文本认证信息，包括：生成一问题形式的信息并确定问题答案；

所述将文本认证信息显示给待认证用户并提示用户回应，包括：将问题显示给待认证用户并提示用户回答所述文本认证信息中的问题。

10.根据权利要求9所述的方法，其特征在于，所述将语音识别结果与所生成的文本认证信息进行匹配，包括：

将语音识别结果与所述问题答案进行匹配。

11.一种基于语音的认证装置，其特征在于，该装置包括：

认证信息生成模块，用于生成文本认证信息；

显示模块，用于将所述文本认证信息显示给待认证用户并提示用户回应；

认证模块，用于接收用户回应的语音信息，对所述语音信息进行声纹认证及语音识别，根据识别结果确定用户是否通过认证。

12.根据权利要求11所述的装置，其特征在于，所述认证模块，包括：

声纹认证子模块，用于接收用户回应的语音信息，利用预先训练的声纹模型，对所述语音信息进行声纹认证；

语音识别子模块，用于在声纹认证通过的情况下，进一步对该语音信号进行语音识别；

认证子模块，用于将语音识别结果与所述文本认证信息进行匹配，根据匹配结果确定该用户是否通过认证。

13.根据权利要求11或12所述的装置，其特征在于，该装置还包括：

修正模块，用于在用户通过认证的情况下，利用所述语音信号对所述声纹模型进行修正。

14.根据权利要求11所述的装置，其特征在于，所述认证信息生成模块，具体用于：

根据预置的字符集合，以字符为单位生成文本认证信息。

15.根据权利要求14所述的装置，其特征在于，

所述显示模块具体用于：提示用户以字符为单位，阅读所述文本认证信息。

16.根据权利要求15所述的装置，其特征在于，

所述语音识别子模块以字符为基本识别单位。

17.根据权利要求16所述的装置，其特征在于，所述认证子模块具体用于：

根据预先定义的所述字符集合中相似读音字符的差异度，计算语音识别结果与文本认证信息的字符差异度，若计算结果小于预设的阈值，则确定该用户通过认证。

18.根据权利要求14所述的装置，其特征在于，

所述预置的字符集合中，不包括读音相似的字符。

19.根据权利要求11所述的装置，其特征在于，

所述认证信息生成模块具体用于：生成一问题形式的信息并确定问题答案；

所述显示模块具体用于：将问题显示给待认证用户并提示用户回答所述文本认证信息中的问题。

20.根据权利要求19所述的装置，其特征在于，所述认证子模块具体用于：

将语音识别结果与所述问题答案进行匹配。

Images