भाषण तकनीक। संपर्क केंद्र के उदाहरण का उपयोग कर डमी के लिए वॉयस बायोमेट्रिक्स

सभी को नमस्कार।
हाल ही में, मैंने इस लेख को निरंतर भाषण की मान्यता के बारे में लिखा था, और अब मैं वॉइस बायोमेट्रिक्स के बारे में लिखना चाहूंगा, अर्थात्। आवाज से व्यक्ति की पहचान की पुष्टि और आवाज से व्यक्ति की पहचान।

फिर से, जब से चूंकि मेरा काम संपर्क केंद्रों (केसी) से जुड़ा है, मैं उनके बारे में बात करूंगा। यह इस तथ्य के कारण भी है कि वे अब सक्रिय रूप से वॉयस बायोमेट्रिक्स में रुचि रखते हैं, जो आश्चर्यजनक नहीं है, क्योंकि टेलीफोन चैनल इसका आदर्श अनुप्रयोग है।
- आप तार के दूसरे छोर पर ग्राहक को नहीं देखते हैं;
- आप अपनी पहचान की पुष्टि करने के लिए अन्य तौर-तरीकों का उपयोग नहीं कर सकते हैं: चेहरे पर, रेटिना पर, फिंगरप्रिंट पर।
- किसी भी अतिरिक्त स्कैनिंग डिवाइस की आवश्यकता नहीं होती है, जैसे कि जहां आपको अपनी उंगली डालनी है या किस पर अपनी आंख दिखाना है।
- यह बॉयोमीट्रिक्स का सबसे सस्ता तरीका है, हालांकि अन्य तरीकों की विश्वसनीयता में थोड़ा कम है। लेकिन चूंकि अन्य तौर-तरीके तकनीकी रूप से बड़े पैमाने पर उपयोग में टेलीफोन द्वारा लागू नहीं होते हैं, इसलिए वास्तव में कोई विकल्प नहीं है।
बेशक, आप ग्राहक की पहचान "ज्ञान पर आधारित" की पुष्टि करने के विकल्प के बारे में बहस कर सकते हैं - ये पासवर्ड, गुप्त शब्द, टीपीआईएन कोड (बैंक), पासपोर्ट डेटा, आदि हैं। - लेकिन यह सब सुरक्षा के दृष्टिकोण से विश्वसनीय नहीं है और इसके लिए सब्सक्राइबर से जानकारी संग्रहीत करने या हमेशा जानकारी को हाथ में रखने की आवश्यकता होती है, जो सब्सक्राइबर के लिए बहुत सुविधाजनक नहीं है और सीसी के लिए कुशल (महंगा) नहीं है।

शुरुआत करने के लिए, आइए परिभाषित करें कि वॉयस बायोमेट्रिक्स की अवधारणा में क्या शामिल है:
- यह पहचान है , अर्थात आवाज से व्यक्ति की पहचान। यह तब होता है जब एक पुराना दोस्त आपको एक अज्ञात नंबर से कॉल करता है और कहता है: "लगता है कि यह कौन है?" और आप सभी ज्ञात (परिचित) आवाजों के बीच सबसे अच्छा मैच खोजने की कोशिश करते हैं। जब मेमोरी स्कैन खत्म हो जाता है और आपको अधिक या कम उपयुक्त मैच मिल जाता है, तो आप पहले से ही कह सकते हैं: "हाँ, यह मेरा सहपाठी शेरोगा है, जिसके साथ मैंने 10 साल से बात नहीं की है।" लेकिन आपके पास गारंटी नहीं है कि यह वह है, और फिर सत्यापन का समय आ गया है।
- सत्यापन आवाज द्वारा पहचान की पुष्टि है, अर्थात विशिष्ट पहचान पत्र। ऐसा करने के लिए, हम आपको यह साबित करने के लिए कह सकते हैं कि शेरोगा ठीक वही है जो वह होने का दावा करता है। हम उनसे पूछ सकते हैं: "मुझे बताएं कि हम सुबह 6 बजे स्नातक पार्टी में कहां थे" - यह जानकारी हमें सरोगा की पहचान की पुष्टि करने की अनुमति देगी, केवल वह इस जानकारी का वाहक हो सकता है (पासवर्ड के बारे में जिसके बारे में मैंने ऊपर लिखा है)।

यदि आप एक स्मार्ट परिभाषा चाहते हैं, तो:
पहचान - आधार के कई वोटों के साथ एक नमूना आवाज के संयोग को सत्यापित करता है। पहचान के परिणामस्वरूप, सिस्टम प्रतिशत में समान वोट वाले व्यक्तित्वों की एक सूची दिखाता है। 100% मैच का मतलब है कि नमूना आवाज पूरी तरह से डेटाबेस से आवाज से मेल खाती है और पहचान मज़बूती से स्थापित है।
सत्यापन - दो आवाज नमूनों की तुलना करता है: उस व्यक्ति की आवाज जिसकी पहचान को उस आवाज के साथ सत्यापित किया जाना चाहिए जो सिस्टम डेटाबेस में संग्रहीत है और जिसकी पहचान पहले ही प्रमाणित हो चुकी है। सत्यापन के परिणामस्वरूप, सिस्टम प्रतिशत में दूसरे के साथ एक वोट के संयोग की डिग्री दिखाता है।
प्रमाणीकरण जैसी कोई चीज होती है। यह कहना कठिन है कि यह सत्यापन से कैसे भिन्न है। हमारे कुछ कर्मचारियों की राय है कि यह एक जैविक (!) व्यक्तित्व की पुष्टि करने की एक निश्चित प्रक्रिया है, जब पहचान प्रक्रिया को सत्यापन से अलग करना मुश्किल है, अर्थात। यह एक सामान्यीकृत प्रक्रिया है।

आवाज का सत्यापन।
मैं आपको सत्यापन के बारे में बताऊंगा, क्योंकि यह पहचान की तुलना में वास्तविक संपर्क केंद्र के लिए अधिक दिलचस्प है।

सत्यापन क्या है?

- पाठ स्वतंत्र
जब ग्राहक के सहज भाषण से पहचान की पुष्टि होती है, अर्थात। हम इस बात की परवाह नहीं करते कि व्यक्ति क्या कहता है। यह सबसे लंबी पुष्टि विधि है - ग्राहक के स्वच्छ भाषण को कम से कम 6-8 सेकंड तक जमा करना चाहिए। आमतौर पर, इस पद्धति का उपयोग सीधे सीसी ऑपरेटर के साथ ग्राहक के संचार के दौरान किया जाता है, जब बाद वाले को यह सुनिश्चित करने की आवश्यकता होती है कि ग्राहक ठीक वही है जो वह होने का दावा करता है। सबसे दिलचस्प बात यह है कि इस सत्यापन विधि का उपयोग उपभोक्ता स्वयं गुप्त रूप से कर सकता है। सीसी ऑपरेटर के कार्यस्थल पर, इस तरह के एक काम करने वाला उपकरण यहां दिखाई देता है।



चित्र 1. क्लाइंट के सत्यापन के लिए CC ऑपरेटर के कार्यस्थल के इंटरफ़ेस का हिस्सा।

- स्थैतिक पासफ़्रेज़ पर निर्भर पाठ
जब पासफ़्रेज़ द्वारा एक पहचान की पुष्टि होती है जो पंजीकरण के समय ग्राहक ने आविष्कार किया था। पासफ़्रेज़ की अवधि कम से कम 3 सेकंड होनी चाहिए। आमतौर पर हम आपका नाम और कंपनी का नाम बताने की पेशकश करते हैं। पासफ़्रेज़ हमेशा समान होता है।
- डायनेमिक पासफ़्रेज़ पर निर्भर पाठ
जब पहचान का सत्यापन पासफ़्रेज़ के अनुसार होता है जो सत्यापन के लिए कॉल के समय सिस्टम स्वयं प्रदान करता है, अर्थात। हर बार पासफ़्रेज़ अलग है! हम आम तौर पर संख्याओं के अनुक्रम से एक गतिशील पासफ़्रेज़ प्रदान करते हैं। ग्राहक सिस्टम के बाद संख्या को दोहराता है जब तक कि यह एक अस्पष्ट निर्णय "दोस्त / दुश्मन" नहीं करता है। यह "32" या "32 58 64 25" के पूरे सेट के प्रकार की एक एकल संख्या हो सकती है। दिलचस्प बात यह है कि विभिन्न संख्याओं का उच्चारण तुलना के लिए अलग-अलग जानकारी देता है: सबसे "उपयोगी" आंकड़ा "आठ" है - इसमें सबसे उपयोगी भाषण जानकारी शामिल है, सबसे बेकार "दो"।

वॉइस वेरिफिकेशन कैसे काम करता है?

चरण 1
हमें आवाज द्वारा सत्यापित करने में सक्षम होने के लिए, हमारे डेटाबेस में पहले से ही एक आवाज नमूना (वॉयस कास्ट) होना आवश्यक है, जिसका स्वामी मज़बूती से जाना जाता है। इसलिए, पहला कदम वोट डालकर आधार का संचय है, इसके लिए हम ग्राहकों (ग्राहकों) को सिस्टम में पंजीकरण प्रक्रिया से गुजरने के लिए कहते हैं।
ग्राहक के सिस्टम में पंजीकरण का मतलब है कि वह स्वेच्छा से अपनी आवाज डाली है, जिसे हम बाद में सत्यापन के लिए उपयोग करेंगे। आमतौर पर हम आपसे एक पंक्ति में 3 वोट छोड़ने के लिए कहते हैं, ताकि भिन्नता हो - अपने पासवर्ड को तीन बार कहें। फिर, जब सत्यापन सफलतापूर्वक पूरा हो जाता है, तो हम सबसे पुराने वॉयस कास्ट को नए के साथ बदल देंगे, इस प्रकार, यदि ग्राहक अक्सर सिस्टम का उपयोग करते हैं, तो जातियों को लगातार अपडेट किया जाता है। इसलिए हम वॉइस एजिंग की समस्या को हल करते हैं।
यदि हम डायनामिक पासफ़्रेज़ का उपयोग करके सत्यापन लागू करते हैं, तो हम पूछते हैं कि ग्राहक 0 से 9 तीन बार संख्याओं का उच्चारण करता है। नतीजतन, हमारे पास 30 आवाज के नमूने होंगे।

यह वांछनीय है कि ग्राहक संचार चैनल के माध्यम से अपनी कास्ट ऑफ वॉयस (पंजीकृत) को छोड़ देता है जिसके माध्यम से उसे फिर से सत्यापित किया जाएगा, अन्यथा त्रुटियों की संभावना बढ़ जाती है। ऐसे मामले हैं जब उन्हें स्काइप पर हेडसेट से पंजीकृत किया जाता है, और फिर होम फोन द्वारा सत्यापित किया जाता है - यहां संचार चैनल का कारक सेवा की विश्वसनीयता में एक बड़ी भूमिका निभाएगा। एक सेवा का निर्माण करते समय, यह ध्यान में रखा जा सकता है कि संचार चैनल अलग-अलग हो सकते हैं - यह एक विशिष्ट मामले के लिए अलग से काम किया जाता है और परीक्षण किया जाता है, और संचार चैनल के प्रभावों को लगभग पूरी तरह से समतल करना संभव है। लेकिन तुरंत इसके बारे में सोचने के बिना और तुरंत इसे लागू करें - कठिनाइयों का सामना करना पड़ेगा।

मुझे पंजीकरण के लिए ग्राहक कब पेश करना चाहिए? फिर, जब हमने पहले से ही अन्य तरीकों से उसकी पहचान की पुष्टि की है, उदाहरण के लिए, जब कंपनी के कार्यालय का दौरा करते समय या जब केसी ऑपरेटर ने अपनी मां के नाम के बारे में 100,500 अलग-अलग सवाल पूछे।
हमारे पास फोन पर वास्तव में काम करने वाली सेवा (स्टैंड) है, बैंक ग्राहकों के लिए पंजीकरण तंत्र व्यवहार में कैसे लागू किया जाता है, आप इस दस्तावेज़ से पता लगा सकते हैं।

यह महत्वपूर्ण है कि क्लाइंट स्वतंत्र रूप से और होशपूर्वक पंजीकरण पास करता है (जानता है कि यह क्यों आवश्यक है और यह बाद में उसकी मदद कैसे करेगा), क्योंकि तब केवल एक निष्ठावान ग्राहक जिसे परिणाम की आवश्यकता होती है और जो "खेल के नियमों" को स्वीकार करता है, सत्यापन पास कर सकता है।
यदि ग्राहक को जगह से बाहर और जगह से बाहर सत्यापन पास करने के लिए मजबूर किया जाता है, तो वह अवचेतन रूप से अपनी आवाज बदल सकता है, चारों ओर बेवकूफ बना रहा है (सेवा के अनुकूल नहीं) - इससे त्रुटियां पैदा होंगी और ग्राहक की वफादारी गिर जाएगी, हालांकि वह खुद इसके लिए अप्रत्यक्ष रूप से दोषी होगा।

सिस्टम में सब्सक्राइबर का पंजीकरण कैसे होता है? (स्टेटिक पासफ़्रेज़)



अंजीर। 2. बायोमेट्रिक सिस्टम में किसी व्यक्ति के पंजीकरण की योजना।

1. सब्सक्राइबर बायोमेट्रिक सिस्टम को कॉल करता है, जो उसे ऊपर आने और पासफ़्रेज़ का उच्चारण करने के लिए आमंत्रित करता है। 3 बार कहें।
2. आवाज को बायोमेट्रिक्स सर्वर द्वारा संसाधित किया जाता है और रास्ते में हमें 3 आवाज मॉडल मिलते हैं। प्रत्येक बोले गए पासवर्ड के लिए एक।
3. सर्वर पर, हमारे पास एक ग्राहक कार्ड (यूरी गगारिन) है जिसमें हम प्राप्त 3 आवाज मॉडल संलग्न करते हैं।

वॉयस मॉडल क्या है?
- ये संख्याओं के मैट्रिक्स में परिलक्षित मानव आवाज की अनूठी विशेषताएं हैं, अर्थात्। यह फ़ाइल का आकार 18KB (स्थिर pf के लिए) है। यह एक फिंगरप्रिंट की तरह है। यह ये आवाज मॉडल हैं जिनकी हम तब तुलना करते हैं। कुल मिलाकर, वॉयस मॉडल 74 (!) विभिन्न वॉयस मापदंडों को कैप्चर करता है।

वॉयस मॉडल कैसे प्राप्त करें?
हम 4 स्वतंत्र तरीकों का उपयोग करते हैं:
- मौलिक टोन के आंकड़ों का विश्लेषण;
- गाऊसी वितरण और एसवीएम के मिश्रण की एक विधि;
- वर्णक्रमीय-रूप;
- पूर्ण परिवर्तनशीलता की विधि।
मैं उन्हें यहां विस्तार से वर्णन करने का कार्य नहीं करूंगा - यह मेरे लिए भी मुश्किल है और निश्चित रूप से "डमी के लिए" पाठ्यक्रम में शामिल नहीं है। हम आईटीएमओ (सेंट पीटर्सबर्ग) में आरआईएस के हमारे विभाग में यह सब सिखाते हैं।

चरण 2
यह स्वयं सत्यापन है। यही है, हमारे पास लाइन के दूसरे छोर पर एक सब्सक्राइबर है जो यूरी गगारिन होने का दावा करता है। और हमारे डेटाबेस में, तदनुसार, हमारे पास यूरी गगारिन के एक ग्राहक का एक कार्ड है, जहां उसकी आवाज़ के कलाकारों को संग्रहीत किया जाता है, इसलिए, हम सभी को एक व्यक्ति की आवाज़ की तुलना करना चाहिए जो एक असली यूरी गगारिन की आवाज़ के साथ यूरी गगारिन होने का दावा करता है।

सिस्टम में ग्राहक का सत्यापन कैसे किया जाता है? (स्टेटिक पासफ़्रेज़)



अंजीर। 3. एक बॉयोमीट्रिक प्रणाली में एक व्यक्ति के सत्यापन की योजना।

1. पहले, हम पंजीकरण के दौरान कार्य करते हैं, अर्थात हमारे पास क्लाइंट द्वारा बोला गया पासवर्ड है, जिसे हम बायोमेट्रिक्स सर्वर पर भेजते हैं और "कथित तौर पर" यूरी रैगरिन के वॉयस मॉडल का निर्माण करते हैं।
2. फिर हम असली यूरी गगारिन के 3 वॉयस मॉडल लेते हैं, औसत मॉडल को मुश्किल तरीके से बनाते हैं और इसे बायोमेट्रिक सर्वर पर भी भेजते हैं।
3.जस्ट की तुलना 2 अलग-अलग मॉडल से करें। आउटपुट पर, हमें एक मॉडल से दूसरे मॉडल के अनुपालन का प्रतिशत मिलता है।
4. इसके बाद, हमें इस संख्या के साथ कुछ करना होगा (चित्र में, 92%)। क्या यह बहुत या थोड़ा है, क्या हम निश्चित रूप से कह सकते हैं कि यह यूरी गगारिन है या यह एक झूठा है?



चित्रा 4. विश्वास "दोस्त / दुश्मन" का थ्रेसहोल्ड।

सिस्टम में, हमारे पास "विश्वास की सीमा" के रूप में ऐसा पैरामीटर है - यह अनुपालन का एक निश्चित प्रतिशत है। मान लीजिए हम खुद इसे 60% पर सेट करते हैं। इस प्रकार, यदि "कथित रूप से" यूरी गगारिन के वॉयस मॉडल के मिलान का प्रतिशत "विश्वास की दहलीज" तक नहीं पहुंचता है, तो एक धोखेबाज ने हमें बुलाया। यदि "विश्वास की सीमा" से अधिक है, तो असली यूरी गगारिन ने हमें बुलाया। सत्यापन कार्य के आधार पर, हम आमतौर पर "विश्वास की दहलीज" सेट कर सकते हैं, आमतौर पर 50 से 70% तक।

यहां मुझे आपको पहली (FR) और दूसरी तरह (FA) की त्रुटियों के साथ-साथ सामान्यीकृत त्रुटियों (EER) के बारे में बताने की आवश्यकता होगी, लेकिन मैं ऐसा नहीं करूंगा - यह पाठ को बहुत जटिल और बढ़ाएगा। यदि यह दिलचस्प है, तो मैं वैज्ञानिक विभाग से किसी को भी इस लोकप्रिय वर्णन के लिए राजी करने की कोशिश करूंगा और इसे यहां अलग से पोस्ट करूंगा।

मैं केवल यह कहूंगा कि सत्यापन कार्य के आधार पर, "अजनबी" को याद न करने की तुलना में "हमारे अपने" को याद करने की अधिक संभावना है। और इसके विपरीत, कभी-कभी "मित्र" को याद करने की तुलना में "अजनबी" को याद नहीं करना अधिक महत्वपूर्ण है।
मुझे यकीन है कि पहली बार किसी ने भी आपसे इन 2 वाक्यों को नहीं समझा, और आपको अर्थ का एहसास करने के लिए उन्हें फिर से विचारपूर्वक पढ़ना पड़ा।

एक संपर्क केंद्र में एक बायोमेट्रिक्स सर्वर का एकीकरण।



चित्रा 5. एक VoiceKey उत्पाद का एक ब्लॉक आरेख।

ईमानदारी से, यहां सब कुछ बहुत सरल है: हम आवाज को http के माध्यम से तरंग या पीसीएम प्रारूप में इनपुट करते हैं, आउटपुट पर हमें तुलना का परिणाम मिलता है। मैं इस पर अधिक विस्तार से ध्यान नहीं देना चाहता।

सत्यापन प्रक्रिया में औसतन 0.8 सेकंड का समय लगता है। कई थ्रेड्स के साथ एक साथ काम करना संभव है।

हमारी साइट पर सब कुछ विस्तार से वर्णित है, और सबसे महत्वपूर्ण बात यह है कि संपर्क केंद्रों के लिए अच्छी तरह से विकसित उपयोग परिदृश्य हैं। पिछले वर्षों में, मैंने रूस में विभिन्न बड़े केसी के साथ काफी बातचीत की है, सबसे पहले, यह वित्तीय क्षेत्र है और मैंने लक्ष्यों और उद्देश्यों की समझ बनाई है।

अब हम निम्नलिखित प्रश्न उठाएंगे: आम तौर पर वॉयस बायोमेट्रिक्स तकनीक कैसे बड़े पैमाने पर उपयोग के लिए उपयुक्त है? क्या वह विश्वसनीय है?

संक्षेप में, हाँ, यह वास्तव में वास्तव में अच्छा काम करता है। हमारी कंपनी टेलीफोन प्रदर्शन खड़ा है। यदि रुचि है, तो आप में से प्रत्येक कॉल कर सकते हैं और व्यक्तिगत रूप से कोशिश कर सकते हैं कि कैसे और क्या काम करता है। मैं इस पृष्ठ से अनुरोध पर टेलीफोन नंबर और परीक्षण निर्देश देता हूं। बस इस विषय में रुचि के आंकड़े और सर्वर लोड के अनुमान के लिए।

संदर्भ के लिए: वॉइस बायोमेट्रिक्स के क्षेत्र में रूसी वैज्ञानिकों का विकास होता है, अगर दुनिया में पहला स्थान नहीं है, तो वे निश्चित रूप से इसे दूसरों के साथ साझा करते हैं। स्वतंत्र अध्ययन द्वारा इसकी पुष्टि की जाती है, उदाहरण के लिए NIST (नेशनल इंस्टीट्यूट ऑफ स्टैंडर्ड एंड टेक्नोलॉजी, यूएसए), जहां हमारी कंपनी वाणिज्यिक कंपनियों के बीच सभी पांच परीक्षणों में शीर्ष तीन में थी। या तथ्य यह है कि हमारे VoiceKey उत्पाद ने 2013 में अंतर्राष्ट्रीय प्रतियोगिता " क्रिस्टल हेड्स" में नामांकन "CC के लिए वर्ष का सर्वश्रेष्ठ उत्पाद" जीता।
यह भी ध्यान दिया जा सकता है कि हमारी कंपनी एक टेलीफोन चैनल में वॉयस बायोमेट्रिक्स पर आज दुनिया की सबसे बड़ी परियोजना के कार्यान्वयन का मालिक है।

संक्षेप में, यहाँ इस तरह का एक शैक्षिक कार्यक्रम है। टिप्पणियों में सवालों के जवाब देने के लिए तैयार।