声纹识别凭借其安全、便捷的特点逐渐成为一种重要的身份验证手段,广泛应用于公安、电子商务、互联网、金融等行业。声纹识别涉及的技术包括声学、信号处理和机器学习等领域。传统的声纹识别技术主要是基于统计学习的方法,利用高斯混合模型对说话人声音特征梅尔频率倒谱系数进行分类。最近最先进的说话识别技术结合深度学习的技术,识别准确率得到很大的提升。然而,深度学习技术严重依赖于深度学习专家或工程师手工设计的网络。针对上述情况,设计并实现了基于神经网络架构搜索的声纹识别系统。神经网络架构搜索技术具有巨大的搜索空间,能够搜索出比人为设计更先进的神经网络架构。但是一般来说,神经网络架构搜索技术耗费的资源庞大。为了提高搜索效率,首先提出了一种基于进化算法的新颖搜索策略,即分层进化搜索策略。然后,利用异构感知调度算法将出色的候选结构分配给强大的GPU节点。最后,针对大规模的超级网络训练和子网络再训练,设计了一种稀疏软件加速策略。为了把神经网络架构搜索技术结合到声纹识别里面,采用梅尔滤波器组而不是梅尔频率倒谱系数作为说话人声音的帧级特征,然后利用神经网络聚合帧级特征,形成话语级特征。为了加速神经网络的训练和提高神经网络的精度,在损失函数方面选择最新的广义端到端损失函数。结合以上技术,基于神经网络架构搜索的声纹识别系统在拥有11个GPU服务器的集群进行了测试。测试结果表明,基于神经网络架构搜索的声纹识别技术在小型的公共数据集VCTK和大型的私有数据集中,表现优于目前最新的基于LSTM的和基于x-vector的端到端系统。