研究者很早就希望通过机器也能“听声辨人”。1962 年，贝尔实验室的 Lawrence Kersta 在《自然》杂志中首次提出“声纹”（Voiceprint）这一概念，认为声音就像指纹一样具有可用于身份识别的独特性。
Kersta 在 1962 年提出“声纹”概念的论文
“声纹”一词形象地表达了发音人的声音特异性：世界上没有两个人的声音是完全相同的，即使是双胞胎也无法做到。这是因为声纹背后具有生理基础（声带、声道形状等）与行为特征（说话习惯、语调等）的综合影响。
事实上，即使同一个人在不同时间的声纹也会有差别；比如早晨与傍晚、疲劳与清醒的情况下，说话声音会有不同。这一点与指纹不同，因为指纹从出生后就不会发生显著变化，而声纹容易受生理与心理状态的影响。到目前为止，人们还没有发现声音中和人一一对应的、一生保持不变的“声纹”。
声纹识别（或“说话人识别”）是让机器通过声纹判断人身份的“听觉版”生物特征识别技术，与其他生物认证手段相比，具有以下优势：
非接触性：与指纹、掌纹相比，声纹采集不需要身体接触；
较低隐私泄露风险：相比于人脸，声音被非法获取后复刻还具有一定技术难度；
设备简单，使用方便：与虹膜等方式相比，声纹无需昂贵的专用采集装置；
意图真实性：声纹需要人主动发声才可采集，可以在一定程度上可确保认证意图的真实性，从而防止被盗用。
此外，在一些特殊应用场景中，人用声音表达的内容还可以兼具“签字”或“意图确认”的作用，从而提高交互的安全性与准确性。例如，在合同签订时，人用声音所表述的内容，可以认为代表了他的真实意图，对于合同的真实性有了更合理的保证。
声纹识别与其他生物特征识别
