本文へ移動

VoiceID

VoiceIDのローカルブラウザー構成、鍵管理エンベロープの設計、他の生体認証との比較、導入手順、セキュリティ境界を説明します。

VoiceID ​

VoiceIDは、デバイスに紐づく任意のブラウザー認証方法です。 アプリが対応を有効にした後、各ウォレットの所有者がそのブラウザーで登録するかどうかを選びます。 話者照合と発話認識は、分離されたWallet iframe内でローカル実行され、音声や声紋データは外部へ送信されません。 既存の分散鍵管理、Wallet Session、ポリシー、しきい値署名、鍵エクスポートの確認はそのまま維持されます。

VoiceIDは、別端末から声だけで復元するための鍵ではなく、登録済みブラウザーでセッションをアンロック・再承認するための要素です。 話者テンプレートと抽出不可のデバイス鍵はどちらもそのブラウザーのwalletOriginストレージ内に留まるため、公開された録音やリモートの音声クローンだけでは別端末からウォレットをアンロックできません。 別の端末を使う場合やwalletOriginの保存領域を消去した場合は、先に登録済みのパスキーまたはメールOTPでアンロックしてください。

アーキテクチャと設計 ​

鍵管理エンベロープの再封印 ​

VoiceIDは、ノイズを含む音声埋め込みベクトルから直接暗号鍵を導出しません。 代わりに、所有者の確認を経た登録時に、新しい256ビットの乱数ファクターを使ってウォレットの管理シードを方式固有のwallet_custody_envelope_v2エンベロープへ再封印します。

生体照合と暗号鍵のエントロピーを分離することで、次の3つの特性を得ています。

  • 十分な暗号鍵強度 — しきい値導出やYaoエクスポートのエンベロープは、エントロピーの低いファジー抽出器の補助データではなく、一様な256ビットの秘密値で保護されます。
  • モデルとテンプレートの独立性 — 音声サンプルの追加、声紋のリセット、発話認識モデルの切り替え(citrinetとaurora)を行っても、NEARアカウント、EVMアドレス、サーバー側の署名シェアを再生成する必要はありません。
  • デバイス単位の失効 — VoiceID方式を削除すると、所有者の声そのものや他の認証方法に影響を与えず、そのデバイスの認証情報とエンベロープだけを失効できます。

ローカルの2段階モデル検証 ​

音声の取得(同一オリジンのAudioWorkletによる16 kHzモノラル)とONNX Runtime Web WASMによる推論は、すべてwalletOrigin内で完結します。

段階モデル・検査役割
発話・品質ゲートSilero VAD + 音量検査話者照合や鍵操作の前に、無音、音割れ、利用不能な音声を除外します。
話者照合ReDimNet B1登録済みテンプレートと話者埋め込みを比較します(実験的なコサイン類似度しきい値 0.45)。
発話認識Citrinet-256 LS(初期設定)またはAuroraASR-1M(INT8)39種類のフレーズバンクから選ばれた新しいチャレンジ発話を同じ録音で読み上げたか確認します。

発話マッチャーは一般的な同音異義語や自然な発話の範囲内の差異を許容しつつ、次点候補との編集距離マージンを検査し、否定語(no、not、never、don't、without)の反転を拒否します。表示された文を否定して発話した場合に誤って承認されることを防ぎます。 生の音声サンプル、デコードされた埋め込み、一時テンプレートのバッファーは各検査の直後にゼロ消去されます。

抽出不可のデバイス鍵とドメイン分離 ​

登録時、walletOriginはそのウォレットと認証方法に対応する2つの抽出不可(extractable: false)なWebCrypto鍵をIndexedDBに生成します。

  1. Ed25519デバイス署名鍵 — 登録済みブラウザー認証情報の所持を証明する、サーバー検証用のチャレンジに署名します。
  2. AES-GCM-256ラッピング鍵 — walletOrigin、walletId、walletAuthMethodId、deviceKeyIdを追加認証データ(AAD)に束縛した状態で、32バイトの乱数ファクターを暗号化して保存します。ファクターはローカルの音声照合に通過した経路でのみ復号され、鍵管理WorkerまたはYaoクライアントへ渡した直後にゼロ消去されます。

セッションのアンロック(seams:wallet-session:voiceid-device:v1)と単一利用の機密操作(near.export_keyやevm.export_keyで使われるseams:wallet-operation:voiceid-device:v1)は、互いに分離されたドメインの声明に署名します。 一方の証明をもう一方の操作に流用することはできません。

ホスト構成によるプラグイン境界 ​

VoiceIDを使わないアプリや、VoiceIDを有効にしたアプリでのパスキー・メールOTP処理では、VoiceIDのコード、WASMランタイム、モデルを一切ダウンロードしません。 アプリ側の設定からプラグインURLや実行コードを注入することはできず、walletOriginの運用者が静的に/sdk/voiceid/*を構成し、推論開始前にブラウザーがバイト長とSHA-256ダイジェストを検証します。

他の生体認証・ウォレット方式との比較 ​

方式鍵と秘密情報のモデル生体情報のプライバシー失効とモデル更新主なトレードオフ
クラウド型音声認証サーバーが音声を処理しセッションを発行生の音声と声紋が提供者サーバーに残るサーバーDBで管理可能生体情報の一極集中とカストディ依存
ファジー抽出器 / ZK音声鍵音声特徴と公開補助データから直接鍵を導出ローカルで証明を生成漏洩時に声道を交換できないマイク差や体調変化に対するエントロピーと本人拒否率のトレードオフが厳しい
パスキー(WebAuthn + PRF)ハードウェアまたはOS認証器がP-256署名とPRF出力を制御生体情報はOS・認証器の外へ出ない認証情報単位で失効可能音声モダリティがなく、ハンズフリーや対話型体験が途切れる
Seams VoiceIDwalletOrigin内のWASM検査が抽出不可のWebCrypto鍵と乱数エンベロープファクターを制御音声とテンプレートはwalletOrigin内に留まり、音声は使用後にゼロ消去方式単位で失効可能。ASR変更時も登録を維持walletOrigin内のソフトウェア制御ゲート。初回に約27〜36 MBの読み込みが必要

VoiceIDは、パスキーやメールOTPと併用する、モダリティを維持したアンロック・再承認手段として特に適しています。

  • 対話型・AIエージェント連携アプリ — 音声中心の体験を途切れさせずに、信頼されたWalletカード内で声によるNEARトランザクション、インテント、コントラクト呼び出しの承認を完結できます。
  • ハンズフリーおよびアクセシビリティ用途 — タッチ操作や物理セキュリティキーの利用が難しい場面で、セッションのアンロックと確認済み操作の承認を行えます。

インストールと設定 ​

アプリには同じバージョンのパッケージをインストールしてください。 VERSIONをリリースノートに記載された対応するバージョンに置き換えます。

sh
pnpm add @seams/wallet@VERSION @seams/voiceid@VERSION

任意のパッケージから記述子をインポートし、既存の設定にauthMethodsを追加します。 次の例はNEARとArcのテストネットを有効にします。

ts
import { defineSeamsConfig } from '@seams/wallet';
import { voiceIdAuthMethod } from '@seams/voiceid';

export const voiceIdConfig = defineSeamsConfig({
  walletOrigin: import.meta.env.VITE_WALLET_ORIGIN,
  relayerUrl: import.meta.env.VITE_RELAYER_URL,
  publishableKey: import.meta.env.VITE_SEAMS_PUBLISHABLE_KEY,
  authMethods: [voiceIdAuthMethod()],
  chains: [{ network: 'near-testnet' }, { network: 'arc-testnet', chainId: 5_042_002 }],
});

ウォレットの設定と認証に従い、設定をSeamsWebProviderへ渡してください。 記述子のインポートと対応の有効化では、エンジンやモデルをダウンロードしません。 パスキーとメールOTPの処理でもVoiceIDアセットを読み込みません。 発話認識モデルの初期設定はCitrinet-256 LSです。容量の小さいAuroraASR-1Mを使う場合は、 voiceIdAuthMethod({ transcriptionModel: 'aurora' })を設定します。 ダウンロードする発話認識モデルは選択したものだけです。モデルを変更しても、保存済みの話者登録は維持されます。

Walletホストの準備 ​

walletOriginの運用者も、両方のパッケージを同じバージョンでインストールする必要があります。 別の運用者がWalletをホストする場合は、そのオリジンでのVoiceID対応を依頼してください。

インストール後、ホスト側のプロジェクトで次のコマンドを実行します。

sh
npx --no-install seams-voiceid-host ./wallet-with-voiceid

コマンドは、インストール済みのWalletパッケージを自動検出します。pnpmの配置にも対応します。 Walletと任意のVoiceIDのアセットを、指定した出力ディレクトリーへまとめます。 ビルドごとに新しい出力ディレクトリーを使ってください。既存ディレクトリーやインストール済みパッケージは上書きしません。

出力ディレクトリーを、walletOriginの静的ルートとしてデプロイしてください。 /wallet-service、/sdk/*、アセットマニフェストを含みます。 マニフェストに記載されたContent-Typeとキャッシュヘッダーを維持してください。 ホストの要件はホスト型統合を参照してください。

ホストは、有効なVoiceID操作で必要になったときだけ/sdk/voiceid/host.jsを読み込みます。 ホストへの配置が欠けている場合や互換性がない場合は、設定エラーを返します。

ウォレットへの登録 ​

所有者は、まずパスキーまたはメールOTPでウォレットをアンロックします。 次にWalletメニューの認証方法 → VoiceIDを開きます。 アプリ独自のVoiceIDを有効にする操作も用意できます。

ts
import type { SeamsContextType } from '@seams/wallet/react';

export async function enableVoiceId(seams: SeamsContextType['seams'], walletId: string) {
  const result = await seams.registration.activateAuthMethod({
    walletId,
    method: 'voiceid',
  });
  if (result.kind === 'cancelled') return result;

  console.log('VoiceID enabled', result.walletAuthMethodId);
  return result;
}

プロバイダー内でuseSeams()からseamsを取得します。 ユーザーのクリック後、現在のウォレットIDとともにenableVoiceIdへ渡してください。 Walletは、マイクの許可と、受け入れた3つのサンプルを管理します。 拒否されたサンプルは再試行できます。画面を閉じるとkind: 'cancelled'を返します。 登録に成功するとwalletAuthMethodIdを返します。現在の認証方法は変わりません。 登録済みの方法で再度有効化を呼ぶと、音声の管理を開きます。

アンロックと署名 ​

所有者はWalletのサインインメニューでVoiceIDを選べます。 独自のアンロック操作には、ウォレットIDと登録済みのwalletAuthMethodIdを渡します。

ts
export async function unlockWithVoiceId(
  seams: SeamsContextType['seams'],
  walletId: string,
  walletAuthMethodId: string,
) {
  const result = await seams.auth.unlockWithAuthMethod({
    walletId,
    walletAuthMethodId,
    method: 'voiceid',
  });
  if (!result.success) throw new Error(result.error);
  return result;
}

アンロックでは、所有者が表示された短い英語の発話を普段の速さで読みます。 実験用の話者の類似度しきい値は0.45です。 発話認識では、自然な発話に対応するため、一定範囲の違いを許容します。 表示された発話で鮮度を確認します。

VoiceIDはパスキーと同じように動作します。VoiceIDでアンロックすると、通常の署名セッションが始まります。 既存のトランザクションAPIを、すべてのチェーンとネットワークで使えます。 送金、コントラクト呼び出し、デリゲートアクション、メッセージ署名に対応します。 各操作では通常の確認を表示し、セッションの回数と有効期限の範囲で、追加の音声照合は行いません。 セッションの回数や有効期限が尽きた場合は、次の操作でWallet内にVoiceIDの確認を表示し、その後に署名します。 取引では、その取引の確認カードの中で確認します。カードにConfirm with VoiceIDを表示し、同じカードの中で確認画面が音声の録音に変わり、その後にカードがレシートに変わります。 VoiceIDのセッションでパスキーを求めることはありません。鍵のエクスポートでは、そのエクスポートに結び付いた音声確認をウォレット内でもう一度行います。パスキーやメールOTPを求めることはありません。

VoiceIDの有効化や登録だけでは、パスキーやメールOTPでの署名方法は変わりません。 署名者や認証方法の追加、登録音声の変更では、引き続き操作単位の承認を求めます。

読み込みと保存 ​

初回のVoiceID操作では、転送時の圧縮前でCitrinetなら約36 MB、Auroraなら約27 MBをダウンロードします。 1つの進捗表示で、エンジン、話者モデル、音声検出モデル、選択した発話認識モデルの読み込み状況を示します。その後、推論の準備が終わるまで**VoiceIDを準備中…**を表示します。 ブラウザーの保存領域が利用可能な場合、検証済みのアセットをキャッシュします。 サイトデータの削除やブラウザーによるキャッシュ削除で、再ダウンロードが必要になる場合があります。

音声はローカルに留まり、処理後に破棄します。Walletオリジンは、登録テンプレートとデバイス認証情報を保存します。 例外が1つあります。Speak-to-Signの登録がVoiceIDを有効にするとき、受け入れた3つのサンプルはSpeak-to-Signの検証者にも送られ、同じ声を登録します。Walletは送信後に自分のコピーを消去します。 登録と追加サンプルには、時間や利用回数の制限がありません。 登録を削除した場合やWalletオリジンの保存領域を消去した場合は、再登録が必要です。 音声の管理では、所有者の新たな確認後に認識の改善、リセット、再録音を行えます。

セキュリティ境界 ​

  • ソフトウェア制御のローカルゲート — ハードウェア保護されたパスキー認証器とは異なり、Walletサーバーが検証するのは登録済みブラウザーのEd25519署名であり、マイク経路や話者スコアに対するハードウェアやTEEのアテステーションではありません。信頼されたwalletOriginのコードが、抽出不可のWebCrypto鍵を使用する前に音声照合を強制します。クロスオリジンiframe分離により信頼できないappOriginからは保護されますが、walletOrigin内でのスクリプト実行、特権を持つブラウザーのデバッグ拡張機能、またはローカルOSの侵害がある場合は、ブラウザー鍵が直接呼び出される可能性があります。
  • 端末の物理的管理とローカル再生に関する前提 — VoiceIDを抽出不可のブラウザー鍵に束縛することで、公開音声やAI音声クローンを使った別端末からのリモートアンロックを防ぎます。またローカルでも、walletOriginはマイクを開いてチャレンジ発話を表示する前に、表示・フォーカスされたWallet画面と明示的なユーザー操作(録音クリック)を必須とするため、アプリや周囲のスピーカーがバックグラウンドで密かに録音を開始することはできません。したがってVoiceIDは、所有者がアンロック状態の端末を物理的に管理していることを前提としています。所有者が端末の前にいる限り、他者がプロンプトを開いて表示フレーズを読み取り、クローン音声や録音音声を再生して入力しようとすれば、画面と音の両方で気づいて中断できます。反対に、登録済みブラウザーがアンロックされたまま放置された場合や共有セッションで第三者に操作された場合は、39種類のフレーズバンクと実験的な0.45の話者しきい値では録音再生や合成音声に対する生体検知(ライブネス)を保証できません。離席時はOSをロックし、共有端末や公共端末ではVoiceIDを登録しないでください。
  • ポリシーと予備の認証要素 — メインネットの資産を扱う場合は、適切なWallet Sessionの利用回数上限とマンデートを組み合わせ、別端末からのアクセスや登録管理に備えてパスキーまたはメールOTPを利用可能にしてください。

次に読むページ: