Reconhecimento de Locutor
Diferentemente do reconhecimento de fala, que determina o que foi dito, o reconhecimento de locutor estima quem falou. O sistema extrai características acústicas e compara embeddings de voz com perfis cadastrados, podendo operar em verificação 1:1 ou identificação 1:N. Soluções comerciais usam poucos segundos de áudio, mas ruído, envelhecimento, doença e gravações reproduzidas afetam a confiança. É útil para personalização, porém não deve ser o único fator para destravar portas ou desarmar alarmes.
Reconhecimento de locutor é uma técnica biométrica que analisa padrões relativamente estáveis da voz para verificar ou identificar uma pessoa. A cadeia geralmente inclui detecção de fala, normalização, extração de características e geração de embeddings comparados com perfis previamente cadastrados. Na verificação, o sistema responde se a voz corresponde a uma identidade declarada; na identificação, procura a melhor correspondência em um conjunto de usuários. Assistentes podem usar o resultado para personalizar calendários, músicas, mensagens e preferências. A voz, porém, varia com microfone, distância, ruído, estado de saúde e envelhecimento. Ataques por gravação ou síntese também exigem mecanismos de detecção de vivacidade e fatores adicionais.
- Distingue identidade do locutor, enquanto ASR transcreve o conteúdo falado
- Pode operar como verificação 1:1 ou identificação entre vários perfis
- Usa características acústicas e embeddings, não uma única frequência ou palavra
- Não deve ser usado isoladamente para decisões de alta segurança sem fator adicional