10月，在东半球最佳的相声晚会——“锤子手机”发布会上，科大讯飞的语音辨认技术意外火了。罗永浩花了二十分钟来讲锤子手机选用的这项技术。
而在安防领域，音频系统早已是安全防范系统的首要构成有些。虽然超越70%的网络摄像机具有单向或多向的音频功用，但实在实践运用音频功用的监控摄像机却很少。对将来音频监控市场的分析认为，会坚持稳步增长的趋势，增幅会在10%支配。IHS猜想将来音频功用将在视频监控系统中得到更多的重视。
在很多作业中，我们调取录像资料，发现只要画面没有动静，全部只靠当事人的口供，无疑给公安机关侦破案件带来妨碍，群众的质疑很难避免。加装音频监控无疑将会处理质疑的疑问并且增加依据的说服力。
因此，如今很多的智慧安防系统，现已恳求增加音频搜集，例如在安全城市、公检法办案区、金融机构、公共交通、教育监考、行政效劳、法令取证等领域，不断增加的优良项目需要高清晰、高保真的音视频同步监控系统，在优良安防工程中已凸显出音频监控的首要性。
怎样从“听得见”到“听得懂”？
声纹辨认
音频监控通过多年的展开，现已可以做到通过动静的辨认来区分说话人的情绪、地点的环境等疑问。而在音频监控环节中，声纹辨认供应了首要的技术支撑。
声纹辨认归于生物辨认技术的一种，是一项依据语音波形中反映说话人生理和做法特征的语音参数，主动辨认说话人身份的技术。这儿需要侧重的是，和语音辨认不一样，声纹辨认运用的是语音信号中的说话人信息，而不考虑语音中的字词意思，它侧重说话人的特性，而语音辨认的意图是辨认出语音信号中的言语内容，并不考虑说话人是谁，它侧重共性。
一同，与其他生物辨认对比，声纹辨认的运用有一些特其他优势：
(1)包括声纹特征的语音获取便利、天然，声纹获取可在不知不觉中完结，因此运用者的接受程度也高；
(2)获取语音的辨认本钱低价，运用简略，一个麦克风即可，在运用通讯设备时更无需额外的录音设备；
(3)适宜远程身份供认，只需要一个麦克风或电话、手机就可以通过网路(通讯网络或互联网络)完结远程登录；
(4)声纹辨认和供认的算法凌乱度低；
(5)合作一些其他方法，如通过语音辨认进行内容区分等，可以前进准确率；
这些优势使得声纹辨认的运用越来越遭到系统开发者和用户喜欢，声纹辨认的世界市场占有率15.8%，仅次于指纹和掌纹的生物特征辨认，并有不断上升的趋势。
动静定位
我们常常凭借听觉来区分发音物体的方位。例如，当你独自行走时，突然听到一个响声，你会马上区分出这个动静是什么动静、对你有无要挟、它来自何方等等。判定动静的方向和距离需要对比来自两耳信息，虽然你会很快做区分和反应，但动静定位进程是听觉系统凌乱归纳的功用。
而动静定位则是通过强度差、时间差、因色差、相位差等来完结。
音频场景分析
作为我们感知外界环境的一个首要通道，听觉在视野妨碍、倒霉光照条件等情况中可起到视觉无法替代的作用，是视觉的首要弥补。对比于图像数据，音频信号一般可运用相对简略的设备进行搜集并且占用更少的存储空间和处理时间。跟着其时移动途径计算才能的不断前进，出现了不断增加依据音频的各类运用，所触及的音频处理算法一直是有关研讨领域的关键。
其间，获取、分析和有用运用音频数据所带着的语义信息，对依据内容的多媒体检索、摘要以及开发上下文自适应的运用等具有首要意义。
音频场景分析首要是为了分析、抉择计划、预警所监听环境下发作的失常做法。其中心技术是依据各类失常动静在时域、频域的特征，联络形式辨认的分类方法对失常作业报警。
语音辨认
与机器进行语音沟通，让机器了解你说什么，这是我们长期以来朝思暮想的作业。语音辨认技术即是让机器通过辨认和了解进程把语音信号转变为相应的文本或命令的高技术。
语音辨认技术通过几十年的展开，依据深度学习的人工智能语音将得到大范围的运用。
音频监控在安防领域大有可为
由于传统视频监控系统，受摄像机镜头和设备角度束缚，监控区域很难做到无死角掩盖，即使通过多角度设备摄像机，也无法确保全掩盖，由于摄像机图像搜集受许多环境要素(例如：现场照明、强光源搅扰等)影响而无法有用搜集现场图像。而音频监控技术由于音频自身的技术特性，基本上不存监控死角，能更有用的掌控现场的实时情况。所以音频监控技术越来可以非常好的弥补视频监控技术的缺少。
一同，动静具有一系列特有的特征，如不受白天和晚上的影响，不容易遮挡，具有方向性等等。在球机上组织拾音器，对动静的方向进行定位，当检测到失常动静时操控球机到相应方位，这样一来，在一定程度上就可以榜首时间看到失常动静地点方位的实时视频，为判定事态供应了多种信息。（这篇文章有些技术支撑来源于快鱼电子）
人工智能时代，语音技术以及和语音技术有关的运用、图像技术以及有关运用在今天变得分外首要。而围绕着语音、图像以及其他传感器所发生的数据，以及这些数据的出产、分析、组织和花费，在今后的很长的时间里，注定会变成智能领域中最首要的展开方向。我们等候智能音频带给安防的巨大变化。
