声纹识别

功能简介

声纹识别是平台提供的用于设备端智能体识别 是谁在说话 的一项语音交互能力。

不同于传统语音识别（Automatic Speech Recognition，ASR）仅关注 说了什么，声纹识别可在语音交互中识别说话人身份，使 AI 设备具备对不同用户进行区分和响应的能力。

该能力作为语音交互中的 身份层，可帮助设备从 理解内容 进一步升级为 理解说话人。

使用场景

抗干扰交互（指定用户响应）

在家庭或办公等多人环境中，设备仅识别并响应指定用户的语音输入，屏蔽其他背景人声干扰。

例如：

• 仅响应设备主人指令。
• 忽略电视声或旁人对话。

多人对话识别（对话标注）

在多人交互场景中，设备可自动区分不同说话人，并在对话记录中进行标注。

例如：

• 聊天记录中区分 谁说了什么。
• 支持多人对话上下文理解。

轻量会议记录（临时身份归类）

在临时交流或会议场景中，设备可自动识别并归类不同说话人（即使未提前录入声纹），并在一段时间内持续识别为同一人。

例如：

• 自动生成带 说话人标识 的记录。
• 支持临时对话人跟踪。

开启方式

平台侧开启

在智能体开发流程中的 模型能力配置 > 语音交互 板块，可以开启 声纹识别，同时也可以选择开启附加功能 自动录入陌生声纹。开启后需发布智能体版本方可生效。

用户侧开启

平台开启并发布后，仅代表绑定了该智能体的产品（PID）下的设备已具备声纹识别处理能力，但不会自动对终端用户生效，仍需用户在设备面板中手动开启 声纹识别 功能后，方可进行声纹录入和使用。

了解如何绑定智能体，请查看 如何绑定智能体。

用户侧体验说明

使用涂鸦通用 AI 面板/涂鸦硬件方案免开发面板

当设备激活后，用户可在面板中看到 声纹识别 入口，并进入功能页面进行管理和使用。以通用 AI 面板交互为例：

主要功能包括：

• 声纹用户管理：用户可录入自己及家庭成员的声音作为声纹样本，支持：新增/删除用户、替用声纹录入。
• 声纹识别开关：开启后，每轮对话将自动进行声纹识别处理。
• 声纹锁定：设备仅响应指定声纹用户的语音输入，其余声音不作响应。
• 自动录入：无需手动录入声纹样本，设备将自动记录陌生声音特征，并在一定时间内识别为同一 临时用户。可用于会议记录等场景。

使用自定义面板

若您使用自定义开发面板，涂鸦将提供声纹识别小程序页面组件及相关 SDK 能力支持，以协助您完成功能开发与集成。请关注小程序开发平台更新。

计费说明

声纹识别属于 AI 扩展能力，不包含在 AI 基础资源消耗的减免政策中。
您可通过下文介绍的两种方式进行开通与使用：

方式一：订阅模式（推荐）

将产品（PID）加入 订阅模式，平台将统一为每台设备提供每日免费和付费的 AI 使用额度，并对超额使用进行柔性限制，当用户在 App 侧订阅付费服务时，设备可使用声纹识别功能。

详细请参考 智能体投放及费用 中关于订阅模式的相关介绍。

方式二：按量计费模式

若您的设备因使用声纹识别产生额外的 AI 资源消耗，且已超出设备本身减免额度时，平台将会根据实际产生的消耗量进行计量，您需购买额度抵扣以确保智能体的正常运行。该模式下，您需自行完成设备端的使用量限制和订阅收费等功能，涂鸦不对设备的声纹识别次数作统一限制管理。

关于声纹识别的计量规则及报价，请参考 计量计费说明。

隐私与数据安全

区域限制

当前功能仅支持中国区、印度区、新加坡区使用。

用户授权要求

声纹识别涉及生物特征数据，需严格获取用户授权；使用涂鸦官方面板时，已内置授权流程；使用自定义面板时，需自行实现授权逻辑。

数据存储策略

声纹数据在云端进行加密存储，用户录入的声纹会长期保存（直至用户删除），临时声纹则保留 24 小时后自动清除。

其他说明

声纹数量限制

声纹识别时会对当前用户家庭下录入的所有声纹（含替用声纹）进行识别，随声纹数量的增加，会造成设备反馈延迟、准确率下降等问题。为确保识别效果，当前功能仅支持一个家庭下录入 5 个声纹用户（最多 15 条声纹）和 5 个临时声纹。

准确性说明

声纹识别准确性与录入音频的质量、环境噪音、数量、会话长度等均有关联。小规模场景下识别成功率超过 97%，超过 20 条声纹时成功率可能会下降到 92%~95%，具体识别准确率以设备实际表现为准。

延迟说明

声纹识别将增加对话处理时长，网络环境较好情况下平均延迟 200～400 ms，具体延迟时长以设备及所在环境为准。

使用边界

• 声纹识别能力仅用于语音身份标记，不具备强认证能力，且无法保证 100% 准确。
• 声纹不可替代登录或支付验证，同时也不适用于法律或安全关键场景。