声纹很早便被用于刑侦手段和司法证据。
美国 1994 年电影《燃眉追击》中就描述了这样一个桥段：情报专家仅凭一小段录音，判断说话人可能是“古巴人，35-45 岁之间，在美国东部受教育”等，然后用计算机进行比对，给出一个可信度分数——这虽然带有相当的文学加工，但也反映了人们对声音鉴定在司法领域应用的期待。
目前，声纹在司法领域主要以两种方式出现：
（1）计算机分析 + 人工判断：提取重音、基频、共振峰等特征，再由人类专家结合更多上下文信息做综合判断。
（2）直接使用声纹识别系统进行对比匹配。
需要指出的是，声纹会受到个体状态、情绪、环境噪声等影响，与指纹相比并不稳定，因此在司法证据中应谨慎使用。
除了在司法领域的应用，声纹识别的便捷性，使其在银行、电信、智能家居中逐渐推广。例如：手机银行验证：无需记密码，说句话即可验证身份；智能音箱付款：主人说话才会执行支付命令；家庭门禁系统：用声音开门，符合某些场景对便利和安全的需求。
不过，声纹识别在复杂环境（如远距离、噪音大、跨语言等）下的性能仍有待提升。有研究尝试将声纹与其他生物特征（如人脸识别）结合，形成多模态认证，以显著提高可靠性。在图29.8示例中，通过将人脸与说话人映射到同一向量空间，可以综合两种模态进行身份验证。
将人脸与声纹统一到同一身份空间，实现多模态身份认证
全解析：大模型时代的智能系统设计与实战指南)
