Norėdami pradėti, svarbu žinoti, kad jokia biometrinė informacija nėra 100 % tiksli. Pavyzdžiui, a 2014 m. rainelės atpažinimo tyrimas nustatymo sistemos tikslumas gali būti nuo 90 iki 99%, platus diapazonas. Balso biometrinis tikslumas taip pat patenka į šį diapazoną dėl įvairių priežasčių. Tačiau net ir turėdami netobulumų, balso biometriniai duomenys yra neįkainojama priemonė.
Balso biometrinės sistemos tikslumo įvertinimo metodas yra „Equal Error Rate“ arba „EER“. EER yra taškas, kuriame „klaidingo priėmimo rodiklis“ arba „FAR“ (t. y. sukčių įleidimas) yra lygus „klaidingo atmetimo rodikliui“ arba „FRR“ (t. y. neleidžiama pasiekti galiojančių naudotojų). Balso biometrinės balų sistemos yra pagrįstos statistine tikimybe, todėl reikia atsižvelgti į šių klaidų kompromisą. Pavyzdžiui, jei pasitikėjimo lygį nustatysite į „aukštą“, kad išvengtumėte sukčių, galite užblokuoti daugiau galiojančių naudotojų ir sukelti trikdžių. „Žemesnio“ pasitikėjimo lygio nustatymas suteiks daugiau patogumo jūsų patikimiems vartotojams, tačiau galite įsileisti daugiau sukčių. VBG dirbs su jumis, kad užtikrintų optimalią saugumo ir komforto pusiausvyrą. Taip pat atkreipkite dėmesį, kad EER matuojamas vienam bandymui. Leisdami pakartotinius bandymus savo programoje galite padidinti tikimybę, kad tinkamas vartotojas gali pakartoti antrą ar trečią bandymą, net jei iš pradžių nustatėte aukštą pasitikėjimo lygį, kad atmestumėte sukčius.
Atminkite, kad EER, FAR ir FRR rezultatai gaunami iš garso pavyzdžių, naudojamų šiems matavimams apdoroti ir gauti, rinkinio. Saugokitės labai mažų EER verčių, kurias reklamuoja kai kurie pardavėjai, nes laboratorijoje gautais EER rezultatais galima lengvai manipuliuoti pašalinus mėginius, kurie neigiamai veikia rezultatus. EER rezultatai yra tokie pat geri, kaip ir jų skaičiavimams atlikta duomenų atranka. Netikėti realaus pasaulio rezultatai gali atsirasti (ir bus), jei jūsų atranka iš tikrųjų neatspindi galutinių vartotojų, konkrečios kalbos ir dialekto, naudojamo įrenginio tipo, aplinkos, kurioje buvo renkama kalba ir kt. Todėl rekomenduojame palyginti balso biometrines sistemas, pagrįstas realaus pasaulio naudotojais, įskaitant bandymų vykdymą norimoje gamybos aplinkoje,
Kiti svarbūs veiksniai, darantys įtaką realaus pasaulio EER, yra kalbos pavyzdžių turinys ir triukšmo buvimas. Jei kalbos pavyzdys yra per triukšmingas arba jei į balso biometrinę sistemą pasakoma neteisinga informacija, balso biometriniam varikliui bus sunku naudoti kalbos pavyzdį, kad būtų galima tiksliai nustatyti. Įvairių tipų įrenginių naudojimas taip pat gali turėti įtakos rezultatams.
Pavyzdžiui, mobiliųjų telefonų tinklai naudoja skirtingus suspaudimo būdus, palyginti su fiksuotojo ryšio telefonais – tai turi įtakos balso biometriniam procesui, kuris iš kalbos pavyzdžių išskiria unikalias balso charakteristikas.
