長時共振峰特性在普通話與方言之間的應(yīng)用探究
——以山西交城方言為例

□賈麗文,楊俊杰

(山西警察學(xué)院, 山西 太原 030021)

【刑事偵查與技術(shù)】

長時共振峰特性在普通話與方言之間的應(yīng)用探究
——以山西交城方言為例

□賈麗文,楊俊杰

(山西警察學(xué)院, 山西 太原 030021)

文章以山西交城方言為例，探究長時共振峰特性在方言與普通話之間進行語音同一性檢驗的價值；以普通話和山西交城方言為語料,4位男性和4位女性長時共振峰均值特征、長時共振峰分布特征、長時共振峰FFT功率譜特征、長時共振峰線性預(yù)測譜LPC特征共四方面的長時共振峰特性進行比較,得出長時共振峰特性在普通話和山西交城方言之間進行語音同一性檢驗的鑒定價值不高的結(jié)論。因此,在使用過程中不可單獨作為認定同一的價值特征，長時共振峰線性預(yù)測譜LPC特征不可用于交城方言和普通話之間的語音同一性檢驗。

長時共振峰特性;話者識別;方言;普通話

共振峰是語音同一性檢驗中非常重要的應(yīng)用特性之一,在個體語音同一性認定中扮演著關(guān)鍵的角色。2005年,Nolan 與 Grigoras[1]在一起語音同一性檢驗案件中首次使用長時共振峰分布測量法,用分析語段中全部元音信息代替了傳統(tǒng)的分析目標元音共振峰頻率,并證實該方法能夠很好地區(qū)分不同個體的語音,可以用來進行語音同一性檢驗。隨后,長時共振峰特性引起了學(xué)者們的廣泛關(guān)注和探討。Jessen、Moos[2]、曹洪林[3]等學(xué)者分別使用長時共振峰分布測量法就英語、德語、漢語等語種進行語音同一性檢驗的探究,均得出肯定性結(jié)論。長時共振峰特性不僅反應(yīng)了說話人的聲道特性和言語習(xí)慣,而且反映了聲道諧波共振和整體共鳴的特點。在進行分析的過程中,不受語料內(nèi)容的影響,省時高效,而且不同鑒定人之間的測量結(jié)果差異性較小,被認為是一種更優(yōu)良的分析方法。

在語音同一性檢驗中,往往會遭遇檢材和樣本語種不同的情形。尤其在中國,方言種類繁多,不同方言各具特點。鑒定人熟識各類方言的特點可謂難之又難。實踐中,常常要聘請專門的方言專家進行講解,費時費力。長時共振峰特性不受語料內(nèi)容影響的這一特點,為聽不懂方言內(nèi)容還能夠進行語音同一性鑒定提供了可能。Jessen的研究發(fā)現(xiàn),長時共振峰分布特征在不同語言之間的差異性較小,Xu Yixue[4]207-211研究了話者漢語、英語、韓語三種語言的長時共振峰分布特征,發(fā)現(xiàn)人間差異大于個體變異。本文將以山西交城方言為例,探討長時共振峰均值特性、長時共振峰分布特性、長時共振峰FFT功率譜特性、長時共振峰線性預(yù)測譜(LPC)特性四方面的長時共振峰特性,在普通話與方言之間進行語音同一性檢驗的意義。

一、實驗方法

(一)發(fā)音人

發(fā)音人共8人,其中男性發(fā)音人4人,女性發(fā)音人4人。年齡在20-23歲。發(fā)音人能夠說標準的普通話與標準的山西交城方言(下文均簡稱方言)。

(二)語料

錄音材料分為普通話的短文朗讀和方言的短文朗讀。兩個短文內(nèi)容均包含有該種語言出現(xiàn)的全部元音音節(jié),故兩個短文的文段內(nèi)容不同。

(三)錄音

在司法錄音檢驗實驗室,使用麥克風(fēng)進行錄音,采樣頻率為 11kHz,精度為 16 位。錄音軟件為VS-99語音工作站。

使用Wavesurfer 軟件提取整段語音剪切后的共振峰, 如圖1所示。剪切前后的時長對比見表1。

(四)聲學(xué)測量與分析

圖1 長時共振峰分布提取圖(圖中由下至上依次為第一、 二、 三、四共振峰)

表1 短文剪切前后時長對比表

(單位:秒;M1-M4為4位男性,W1-W4為四位女性)

長時共振峰均值、長時共振峰分布提取的參數(shù)設(shè)置:采用寬帶語圖,提取四條共振峰,窗口類型為哈明窗,下采樣頻率為 10000Hz,LPC 階數(shù)為 12。 使用EXCEL對提取到的各條共振峰數(shù)據(jù)進行統(tǒng)計分析。

長時共振峰FFT功率譜、長時共振峰線性預(yù)測譜(LPC)的參數(shù)設(shè)置:選擇剪切后的全部語音,窗口類型為哈明窗,采樣點數(shù)為512,LPC階數(shù)為12。

二、實驗內(nèi)容與結(jié)果

(一)長時共振峰均值特性

圖2 8位發(fā)音者長時共振峰均值統(tǒng)計圖(橫坐標:8位發(fā)音者;縱坐標:頻率值；表中,由下到上為第一、二、三、四共振峰的均值；黑色:普通話;灰色:方言)

8位發(fā)音者長時共振峰均值的統(tǒng)計結(jié)果見圖2。由圖可見,除M2外,大部分發(fā)音者其普通話語音和方言語音的長時共振峰的均值無顯著差異。在所有發(fā)音者中,其普通話和方言之間的第一共振峰長時均值基本保持一致。四位發(fā)音者(M2、W2、W3、W4)中,其方言的第三、四共振峰長時均值較普通話的有一定程度的提升。女性發(fā)音者的長時共振峰均值高于男性,同一性別中,不同話者的長時共振峰均值的差異并不顯著。

(二)長時共振峰分布特性

8位發(fā)音者長時共振峰分布特性的統(tǒng)計結(jié)果見圖3。 單圖中由左到右,分別表示第一、二、三、四共振峰的長時分布形態(tài)。8位發(fā)音者長時第一至第四共振峰的分布頻率范圍見表2。

由圖表可見,對男性而言,話者普通話和方言長時第一至第四共振峰的分布頻率范圍基本吻合,長時共振峰分布形態(tài)差異甚微。長時第二、三共振峰的形態(tài)在普通話和方言之間吻合良好;長時第一、四共振峰的分布形態(tài)在普通話和方言之間略有差異。普通話長時第一共振峰尖峰區(qū)域所在的頻率范圍普遍低于方言,在形態(tài)上呈現(xiàn)出方言的尖峰較普通話的向右移動。長時第四共振峰的分布形態(tài)分兩種情況:對于第四共振峰只有一個尖峰,則其普通話和方言的吻合程度良好(見M1);對于第四共振峰有兩個尖峰,則其普通話和方言的分布形態(tài)呈現(xiàn)軸對稱,如:普通話中第一尖峰低第二尖峰高,則方言中第一尖峰高第二尖峰低(見M2、M3、M4)。不同話者之間,長時共振峰分布形態(tài)特性的差異較為顯著,表現(xiàn)在:1.不同話者在第三、四共振峰的分布頻率范圍差異顯著。不同人長時第三共振峰的分布形態(tài)雖然相似度高,但是頻率的分布范圍相差較大,尖峰出現(xiàn)的頻率差異較大。2.第一、四共振峰的分布形態(tài)差異顯著。雖不同話者長時第一共振峰的分布形態(tài)均表現(xiàn)為,先出現(xiàn)一個尖峰之后為平緩階段,但不同話者的尖峰的陡峭程度和平緩階段的長短均有差異。3.不同話者長時第四共振峰的分布形態(tài)有一個尖峰和兩個尖峰的差異。在有兩個尖峰的情況下,不同話者的尖峰的陡峭程度差異較大,如:M2的尖峰十分陡峭,但M4的尖峰十分平緩。

表2 8位發(fā)音者長時第一至第四共振峰的分布頻率范圍

(單位:Hz;F1、F2、F3、F4為第一、二、三、四共振峰)

圖3 8位發(fā)音者長時共振峰分布特性統(tǒng)計圖(組圖自上而下為8位發(fā)音者,上四位男性,下四位女性。單圖橫坐標:頻率范圍(Hz),統(tǒng)計步長為25Hz;縱坐標:頻數(shù)；黑色:普通話;灰色:方言)

對女性而言,話者普通話和方言長時第一至第四共振峰的分布頻率范圍略有差異,長時共振峰分布形態(tài)差異顯著。女性長時共振峰的頻率分布范圍要大于男性。話者普通話和方言長時第二共振峰的頻率分布范圍和分布形態(tài)在四位話者中吻合良好,但不同話者之間的差異甚微。話者普通話和方言長時第一、三、四共振峰的頻率分布范圍除W4外,均差異顯著;該三條共振峰的分布形態(tài)在普通話和方言之間的差異顯著,無明顯規(guī)律可循。女性較男性而言所呈現(xiàn)出的巨大差異是否由帶寬引起,筆者在不同帶寬下提取共振峰,并未見顯著變化?？梢?該差異與帶寬設(shè)置并無關(guān)聯(lián)。

(三)長時共振峰FFT功率譜特性

圖4 8位發(fā)音者長時共振峰FFT功率譜特性統(tǒng)計圖(組圖自上而下左為男性M1、M2、M3、M4;右為女性W1、W2、W3、W4。橫坐標:頻率(Hz);縱坐標:幅度(dB)。黑色:普通話;紅色:方言)

8位發(fā)音者長時共振峰FFT功率譜特性的統(tǒng)計結(jié)果見圖4。由圖可見,對男性而言,長時共振峰FFT功率譜呈現(xiàn)出兩種情況:一種為普通話和方言的長時共振峰FFT功率譜完好吻合;另一種為方言的長時共振峰FFT功率譜要高于普通話,但線形樣態(tài)保持一致,即在話者使用方言發(fā)音的語音能量要整體高于其使用普通話。不同話者長時共振峰FFT功率譜的差異顯著。

對女性而言,方言的長時共振峰FFT功率譜均要高于普通話,即女性在使用方言發(fā)音時能量要普遍高于普通話。不同話者長時共振峰FFT功率譜的差異甚微。

(四)長時共振峰線性預(yù)測譜(LPC)特性

8位發(fā)音者長時共振峰線性預(yù)測譜(LPC)特性的統(tǒng)計結(jié)果見圖5。由圖可見,除W4外,話者普通話和方言的長時共振峰LPC譜的差異顯著,無論是頻譜形態(tài),還是峰谷的數(shù)值均有差異。W4普通話和方言的長時共振峰LPC譜的形態(tài)、峰谷數(shù)值基本吻合。

圖5 長時共振峰線性預(yù)測譜(LPC)特性統(tǒng)計圖(組圖自上而下左為男性M1、M2、M3、M4;右為女性W1、W2、W3、W4。單圖橫坐標:頻率(Hz);縱坐標:幅度(dB)。黑色:普通話;紅色:方言)

三、分析與討論

首先,通過實驗可以發(fā)現(xiàn),話者在使用方言時的語音能量要高于使用普通話,且女性更為明顯。具體表現(xiàn)為,話者在使用方言時的長時共振峰均值和FFT功率譜會有所提升。這種提升是否在山西交城方言中普遍存在,有待擴大樣本進一步的研究。

其次,同一話者普通話與方言的長時共振峰特性各有不同。1. 長時共振峰均值在普通話和方言中的差異較小,且女性略高于男性。這是由于女性發(fā)音者的聲道長度要短于男性,女性的共振峰頻率更高。2. 長時共振峰分布特性在男性話者中的吻合程度良好,女性吻合程度則較差。女性長時共振峰分布的頻率范圍大于男性,這與Xu Yixue[4]207-211對同一話者不同語言的研究結(jié)論相一致。男性長時第二、三共振峰的分布形態(tài)在普通話和方言之間是吻合的;長時第一、四共振峰的分布形態(tài)呈現(xiàn)不同規(guī)律。這與Xu Yixue[4]207-211研究所發(fā)現(xiàn)的長時第一共振峰的分布形態(tài)在不同語種間高度吻合的結(jié)論有所差異。對于女性而言,長時第二共振峰的分布形態(tài)在普通話和方言之間是吻合的,其余共振峰則差異顯著。3. 長時共振峰FFT頻譜特性在方言和普通話中表現(xiàn)出相互吻合或者方言略高的特點。4.長時共振峰LPC頻譜特性在普通話和方言之間的差異性較大。LPC頻譜被認為是FFT頻譜的包絡(luò)圖,但在該研究中,長時共振峰FFT頻譜特性與長時共振峰LPC頻譜特性所得出的結(jié)論卻背道而馳。“LPC 算法是一種聲道模擬方法,其忽略了聲源的影響,其譜包絡(luò)和真實的頻譜有一定的差異”,“LPC 主要缺點是對共振峰合并現(xiàn)象無能為力,對于相鄰兩個共振峰的極點緊緊地靠在一起,從而頻譜包絡(luò)只呈現(xiàn)出一個局部極大值,而不是兩個極大值,對于峰值檢測器認為此處只存在一個共振峰”[5]或許可以給出一定的解釋,但該差異的根本原因還需進一步探究。

再次,長時共振峰特性在普通話與方言之間進行語音同一性檢驗的可行性研判:第一,長時共振峰特性在區(qū)分不同話者普通話和方言之間的鑒定價值不高。1.同一話者長時共振峰均值在普通話和方言中相對吻合,女性大多表現(xiàn)出方言略高于普通話,但是不同話者的區(qū)分度不強。2.長時共振峰分布特性,對男性而言,表現(xiàn)出人間差異大于個體變異,可以應(yīng)用于話者個體識別;但對女性而言,人間差異不足以大于個體變異,不可用于話者個體識別。這與Xu Yixue[4]207-211的研究結(jié)論:即無論性別,長時共振峰分布特性均表現(xiàn)出人間差異大于個體變異,有所相同亦有所差別。3.長時共振峰FFT功率譜,在男性中表現(xiàn)出不同個體的差異性顯著,可以進行區(qū)分,但在部分女性中則差異甚微,無法區(qū)分。長時FFT功率譜雖然非常真實表現(xiàn)出話者語音諧波的振幅能量,可以反映明顯穩(wěn)定的個體特征,但其頻譜數(shù)據(jù)較多,圖形觀察繁瑣,因此使用起來諸多不便。4.長時共振峰線性預(yù)測譜LPC頻譜特性在普通話和交城方言間無明顯規(guī)律,不可用于語音同一性檢驗。第二,鑒于長時共振峰分布特性中,長時共振峰均值特性、長時共振峰分布特性、長時共振峰FFT功率譜特性呈現(xiàn)一定規(guī)律性但并不顯著,女性更甚,因此,在使用的過程中不可單獨作為認定同一的價值特征,需要結(jié)合其他特征共同使用。第三,通過實驗表明,在實際案件中,應(yīng)當盡量收集語言相同的樣本材料,減少使用普通話和方言進行鑒定的情形。

最后,本文的錄音內(nèi)容均來自實驗室錄制,語音質(zhì)量優(yōu)良。在聲紋鑒定實踐中,受限于語音錄制環(huán)境和條件的影響,可能遭遇新的問題。本文的語料均來源于青少年,對其他年齡層的考察尚有缺失。

四、結(jié)論

長時共振峰分布特性在話者方言和普通話中呈現(xiàn)一定的規(guī)律但不顯著。不宜單獨作為語音同一性檢驗的特征,需結(jié)合其他特征綜合使用。

對于普通話和方言之間:

第一，長時共振峰均值特性基本吻合,但不同話者的區(qū)分度不強。

第二，長時共振峰分布特性在男性中表現(xiàn)為人間差異大于個體變異,可用于語音同一性檢驗;女性則不可。

第三，長時共振峰FFT功率譜在男性中差異顯著,可用于語音同一性檢驗;女性則不可。

第四，長時共振峰線性預(yù)測譜LPC頻譜特性無明顯規(guī)律,不可用于語音同一性檢驗。

[1]Nolan F,Grigoras C.A case for formant analysis in forensic speaker identification[J].International Journal of Speech Language & the Law,2005,12(12):143-173.

[2]Moos A.Long-Term Formant Distribution (LTF) based on German spontaneous and read speech[C].In proceeding of IAFPA,Lausanne,2008:5-6.

[3]曹洪林,孔江平.長時共振峰分布特征在聲紋鑒定中的應(yīng)用[J].中國司法鑒定, 2013(1):62-67.

[4]Xu Y,Kong J.Vocal tract characteristic on long-term formant distribution[C]//Computer Science and Network Technology (ICCSNT),2012 2nd International Conference on.2012:207-211

[5]莊 琳.利用長時平均FFT功率譜進行話者識別[J].山西警官高等專科學(xué)校學(xué)報, 2011, 23(1):80-82.

ApplicationResearchofLong-termFormantSpecialtybetweenMandarinandDialect——Take Dialect in Jiaocheng, Shanxi as Example

JIA Li-wen, YANG Jun-jie
(ShanxiPoliceCollege,Taiyuan030021,China)

The article takes Shanxi Jiaocheng dialect as an example to explore the value of the long-time formant features in testing the identity of Chinese mandarin and Shanxi Jiaocheng dialect. Based on Chinese Mandarin speech and Shanxi Jiaocheng dialect speech, four long-time formant features (long-time formant mean value, long-time formant distribution, long-time formant FFT, long-time formant LPC) of four male speakers and four female speakers were calculated and analyzed. It is concluded that the value of formant feature is not valuable in testing the identity of Chinese mandarin and Shanxi Jiaocheng dialect. Therefore, it can not be used alone in forensic speaker identification. Long-time formant LPC can not be used in the speaker identification testing between Chinese mandarin and Shanxi Jiaocheng dialect.

Long-time formant feature; speaker identification; dialect; mandarin

2017-03-10

賈麗文(1988-),女,山西太原人,碩士,山西警察學(xué)院教師;楊俊杰(1973-),男,山西襄汾人,博士,山西警察學(xué)院副教授。

D918.9

A

1671-685X(2017)03-0100-05

(責(zé)任編輯：黃美珍)