目前主流的声纹确认算法通常采用有监督、区分性的训练方式得到神经网络模型，如卷积神经网络（ConvolutionalNeural Network，CNN）、长短时记忆网络（Long-Short-Term Memory Network，LSTM）等，再利用该神经网络模型提取语音中包含个性化信息的声纹模型向量，从而进行相同人或不同人的声纹相似性比对。文章提出一种结合帧级特征预测的多任务学习训练方式，额外增加对帧级特征进行预测的神经网络模型分支，通过联合训练达到提高声纹确认算法性能的目的。在基准 VoxCeleb 三个测试集合上开展的实验结果表明，本文提出的方法可以有效提升声纹确认算法性能。