關於錯誤接受率FAR和錯誤拒絕率FRR，這兩個指標是聲紋識別算法的核心指標，用於表明算法的準確性，標準6.1中明確錯誤接受率FAR≤0.5%，錯誤拒絕率FRR≤3%。

聲紋識別，生物識別技術的一種。也稱為說話人識別，有兩類，即說話人辨認和說話人確認。不同的任務和應用會使用不同的聲紋識別技術，如縮小刑偵範圍時可能需要辨認技術，而銀行交易時則需要確認技術。聲紋識別就是把聲信號轉換成電信號，再用計算機進行識別。對於模式識別，有以下幾大類方法：

1、模板匹配方法：利用動態時間彎折(DTW)以對準訓練和測試特徵序列，主要用於固定詞組的應用(通常為文本相關任務)；

2、最近鄰方法：訓練時保留所有特徵矢量，識別時對每個矢量都找到訓練矢量中最近的K個，據此進行識別，通常模型存儲和相似計算的量都很大；

3、神經網絡方法：有很多種形式，如多層感知、徑向基函數(RBF)等，可以顯式訓練以區分說話人和其背景說話人，其訓練量很大，且模型的可推廣性不好；

4、隱式馬爾可夫模型(HMM)方法：通常使用單狀態的HMM，或高斯混合模型(GMM)，是比較流行的方法，效果比較好；

5、VQ聚類方法(如LBG)：效果比較好，算法複雜度也不高，和HMM方法配合起來更可以收到更好的效果；

6、多項式分類器方法：有較高的精度，但模型存儲和計算量都比較大。