El reconocimiento de voz es un programa de análisis que identifica y autentica a una persona concreta por el sonido de su voz. Para lograrlo, prescinde del lenguaje y se centra en los factores biológicos únicos que producen la vocalización. Dado que nuestra voz es nuestra característica biométrica más reconocible, la verificación del hablante se utiliza cada vez más para determinar la identidad.

El reconocimiento del habla, a diferencia del de voz, se centra en las palabras. Consiste en una tecnología de interfaz de usuario que prescinde del acento y la idiosincrasia personal para detectar las palabras pronunciadas mediante referencias cruzadas con una base de datos de palabras pregrabadas de una persona. Puede que los usuarios de smartphones ya sepan que el reconocimiento del habla permite controlar el dispositivo con la voz y que la tecnología mejora con el uso. Permite recibir o interpretar dictados, seguir órdenes de voz o generar textos y transcripciones médicas. El reconocimiento del habla también permite hablar con robots y es una herramienta de comunicación especialmente útil para las personas con discapacidad auditiva.

Al igual que cada persona tiene una huella digital única, también tiene una «huella vocal» distinta, fruto de la combinación única de su fisiología, personalidad y modelo de comportamiento. Los factores clave son el tamaño y la forma de la boca, combinados con el tono, la velocidad del habla, la entonación y el acento. Las huellas vocales pueden medirse de forma pasiva, cuando un usuario habla con naturalidad en una conversación, o activa, cuando se pide a una persona que diga una frase de contraseña. Este reconocimiento puede dividirse en dos categorías a la hora de autenticar la identidad de una persona: «verificación de voz» y «identificación de voz». La primera establece una coincidencia mediante referencias cruzadas de modelos de habla con una única muestra pregrabada, mientras que la segunda lleva a cabo comparaciones con múltiples muestras.

El reconocimiento de voz, también conocido como «reconocimiento del hablante», ofrece seguridad sin contacto, identificación de clientes, prevención de fraudes y autenticación de identidad. Cuando se combina con el reconocimiento del habla, ambos proporcionan una autenticación simultánea y una interfaz de control sin manos.

Gracias a los avances en inteligencia artificial y aprendizaje automático, la precisión de la biometría y el reconocimiento de voz ha mejorado con los años. Hoy en día, el software de reconocimiento de voz puede distinguir entre las voces de diferentes personas con un 90-95 % de precisión, así como transcribir palabras a texto. Del mismo modo, la biometría de voz ha adquirido una gran fiabilidad y ofrece soluciones de autenticación seguras para diversas aplicaciones. Aunque ninguna tecnología es perfecta, la mejora y el perfeccionamiento continuos de los sistemas de reconocimiento y biometría de voz hacen que sean ya parte integral de muchos sistemas de seguridad.