Die Stimmerkennung ist ein Analyseprogramm zur Identifizierung und Authentifizierung einer spezifischen Person anhand des Klangs ihrer Stimme. Dabei kommt es nicht auf die Sprache, sondern auf die einzigartigen biologischen Faktoren der Stimmgebung an. Da die menschliche Stimme unser praktischstes biometrisches Merkmal ist, wird die Sprecherverifikation immer häufiger zur Identifizierung eingesetzt.

Spracherkennung unterscheidet sich von Stimmerkennung, da bei ihr der Schwerpunkt auf Wörtern liegt. Es handelt sich dabei um Technologie für Benutzeroberflächen, die Akzente und persönliche Eigenheiten herausfiltert, um gesprochene Wörter zu erkennen. Dazu führt sie einen Abgleich mit einer Datenbank aus zuvor aufgezeichneten Wörtern einer Person durch. Smartphone-Benutzer kennen sie vielleicht schon als Sprachsteuerung und haben bemerkt, dass sie durch die laufende Verwendung immer besser wird. Damit werden Diktate aufgezeichnet oder interpretiert, Sprachbefehle befolgt oder Texte und medizinische Transkriptionen erstellt. Die Spracherkennung ermöglicht auch Gespräche mit Robotern und ist ein besonders nützliches Kommunikationsmittel für Personen mit Hörbehinderung.

So wie jeder Mensch einen einzigartigen Fingerabdruck hat, besitzt er auch einen einzigartigen „Stimmabdruck“, der das Ergebnis der einzigartigen Kombination aus Körperbau, Persönlichkeit und Verhaltensmustern ist. Essenzielle Faktoren sind Größe und Form des Munds, Tonhöhe, Sprechgeschwindigkeit, Betonung und Akzent. Stimmabdrücke können passiv gemessen werden, während ein Benutzer ein normales Gespräch führt, oder aktiv, wenn eine Person eine bestimmte Wortfolge sagen muss. Diese Erkennung lässt sich in zwei Kategorien zur Authentifizierung der Identität einer Person unterteilen: „Stimmverifikation“ und „Stimmidentifikation“. Bei der Stimmverifikation werden Sprachmuster mit einer einzigen zuvor aufgezeichneten Probe abgeglichen, während bei der Stimmidentifikation ein Abgleich mit mehreren Proben erfolgt.

Stimmerkennung wird auch als Spracherkennung bezeichnet und ermöglicht kontaktlose Sicherheit, Kundenidentifizierung, Betrugsprävention und Identitätsauthentifizierung. Sie kann mit Spracherkennung kombiniert werden, sodass Authentifizierung und Sprachsteuerung gleichzeitig möglich werden.

Dank der Fortschritte in den Bereichen künstliche Intelligenz und maschinelles Lernen hat die Genauigkeit von Stimmbiometrie und -erkennung im Lauf der Jahre zugenommen. Heute kann Stimmerkennungssoftware die Stimmen verschiedener Menschen mit einer Genauigkeit von 90–95 % unterscheiden und gesprochene Sprache in Text übertragen. Gleichzeitig ist auch die Stimmbiometrie sehr zuverlässig geworden und bietet sichere Authentifizierungslösungen für unterschiedliche Anwendungsbereiche. Zwar ist keine Technologie fehlerfrei, die kontinuierliche Verbesserung und Weiterentwicklung von Stimmerkennungs- und biometrischen Systemen haben jedoch dazu geführt, dass sie heute ein integraler Bestandteil vieler Sicherheitssysteme sind.