Al机器人如何识别男声女声

技术宅

男女声音有何不同

人类可以轻松地通过耳朵辨别出男女声，是因为男女声音有比较显著的不同。比如我们到了12岁～13岁以后，男孩的喉结增大，声带变得比较长，声音就逐渐变粗了;女孩的声带仍然又短又窄，所以发出的声音高而尖。

当然这只是我们的主观感觉，如果要让Al机器人也能对男女声进行识别，就必须将男女声的不同点作数字化处理，这就需要从本质上对声音进行分析。男女声音的不同大致有以下几点：

音高不同，一般女生的音高比男生高4度—6度，这样在听觉上女生的声音听起来就更高亢。

亮度不同，女声普遍更“亮”、“尖”，穿透力更强，这是由于女生高频泛音丰富而形成的。

糙度不同，一般来说男声天生低，泛音之间的间距更小，所以听起来显得更“糙”（图1）。

听音辨性别——AI机器人识音的背后

因为Al机器人只能分辨出数字化的区别，所以科学家们在为人工智能建立声音感知模型时，需要提取出声音中具备数字化特征的元素。首先声音的频率是可以数字化表示的，通过频率来辨别声音效果就很不错。我们可以为男女声音制定一个分辨标准，一般男性的声音频率在50Hz—250Hz之间，女性声音则在100Hz—500Hz之间（图2）。

接着科学家们会准备大量的语音数据让这个感知模型进行学习，再借助其他科学家已经开发好的算法函数进行数据特征的提取（一个开源的R语言函数包，就可以提取出声音的20个特征）。通过大数据学习后，这个模型就可以对大部分的男女声进行识别了（图3）。

为了提高学习和处理的效率，Al机器人还会根据人耳结构通过仿生的神经元进行音频处理。人的耳蜗核可以对听觉神经收集到的神经信号进行编码，它包含许多有着不同特性、能够完成声音特征初步处理的神经元，从而对获取的音频进行高级的处理。Al机器人配备类似的神經元后，就可以更精准地实现对音频的识别和处理。

当然因为男女声频率会有重复的部分，比如生活中有些女人的声音可能偏男性，为了提高识别率，在实际的训练中，人工智能还会结合人类男女对话的不同来进行性别的识别，很多男孩喜欢使用“酷、棒、帅”的口头禅，女孩则爱用“比心、很好哦、难怪”之类的口语，人工智能通过这些大数据的学习，再结合上述男女声的不同点进行识别，最终生成一种算法部署在服务器中。以后只要我们在数据模型中输入人类的音频，Al机器人就可以很精准地识别出男女声了（图4）。

识别男女——让Al机器人更好地服务

Al机器人能够精准地识别男女声，这个应用可以给我们的生活带来什么影响呢？

若由Al机器人充当客服，可以给我们提供更加人性化的体验。首先Al客服根据用户来电或者语音输入精准识别出男女客户，如果是男生来电，Al客服就切换到温柔的女声输出，反之则切换到男声输出，这样就能够和客户进行相对有效的沟通了（图5）。

声音识别还可以解决当前智能产品只能识别用户所说的内容，而不能区分说话人身份的问题。随着人工智能语音识别技术的提高，Al机器人不仅可以识别男女声，还可以识别同一性别不同身份的人们，比如识别出是家里的奶奶还是小孙女。在区分出不同的角色后，让系统有针对性地对每个人提供不同的内容与服务，从而使得人机交互更加简单（图6）。