錄制方式變化對(duì)法庭說(shuō)話人識(shí)別的影響

楊英倉(cāng)

（貴州警察學(xué)院刑事技術(shù)系，貴州貴陽(yáng)550005）

工信部數(shù)據(jù)顯示，截至2020 年10 月末，移動(dòng)電話用戶總數(shù)達(dá)16 億戶[1]。手機(jī)兼具語(yǔ)音通訊和聲音采集功能，成為當(dāng)前最主要的語(yǔ)音錄制工具。犯罪分子無(wú)論是案前預(yù)謀、案中實(shí)施、案后掩蓋，還是串供、逃跑、銷贓等，會(huì)涉及大量的言語(yǔ)交流。理論上講，絕大多數(shù)案件可以運(yùn)用技術(shù)手段提取到聲音[2,3]。利用語(yǔ)音進(jìn)行法庭說(shuō)話人身份鑒別，是司法語(yǔ)音學(xué)的核心內(nèi)容[4]。司法語(yǔ)音的錄制多數(shù)與案事件息息相關(guān)，個(gè)別情況下甚至?xí)蔀樽C明案件事實(shí)的唯一證據(jù)。案事件具有突發(fā)性、不可預(yù)見(jiàn)性、不確定性和非常規(guī)性，且語(yǔ)音錄制的當(dāng)事人大部分都是被動(dòng)收集證據(jù)、形勢(shì)異常緊迫、機(jī)會(huì)稍縱即逝，導(dǎo)致語(yǔ)音錄制時(shí)間、人員、地點(diǎn)、設(shè)備、環(huán)境等可供選擇的范圍大大縮小。此外，語(yǔ)音檢材和樣本錄制具有不同步性，樣本錄制往往滯后于檢材，二者往往間隔幾天、幾個(gè)星期、幾個(gè)月甚至是幾年，多重因素的影響會(huì)導(dǎo)致語(yǔ)音檢材和樣本的錄制方式不同。針對(duì)語(yǔ)音采集方式的不確定性以及語(yǔ)音變異問(wèn)題，本研究選用專業(yè)人員常用的高保真錄音筆、執(zhí)法人員常用的執(zhí)法記錄儀、老百姓常用的手機(jī)錄音機(jī)錄音、手機(jī)通話錄音、手機(jī)微信語(yǔ)音、以及手機(jī)QQ 語(yǔ)音等進(jìn)行研究。通過(guò)貼近案件需求的實(shí)驗(yàn)設(shè)計(jì)，得到更加實(shí)用的方案，找出相對(duì)穩(wěn)定且具有個(gè)性差異的特征參數(shù)，分析錄制方式差異導(dǎo)致的語(yǔ)音特征變化，用于法庭說(shuō)話人識(shí)別。

1 實(shí)驗(yàn)設(shè)計(jì)

1.1 設(shè)備和錄制方式

手機(jī)應(yīng)用的廣泛性和便捷性，導(dǎo)致手機(jī)成為語(yǔ)音錄制的重要設(shè)備。在錄制條件可控、錄制設(shè)備可選、錄制時(shí)間較長(zhǎng)的情況下，人們多數(shù)會(huì)選擇高保真的錄音筆進(jìn)行錄音。執(zhí)法人員在執(zhí)法過(guò)程中會(huì)按照既定要求同步使用執(zhí)法記錄儀，客觀、完整、真實(shí)記錄執(zhí)法過(guò)程，確保執(zhí)法留痕、過(guò)程可溯。而現(xiàn)實(shí)當(dāng)中需要回溯執(zhí)法過(guò)程、查明事實(shí)的情況往往是極端執(zhí)法條件，如光線差、雨霧雪天、夜間、設(shè)備抖動(dòng)、近距離肢體沖突等，視頻模糊不清幾乎無(wú)法使用。此時(shí)執(zhí)法記錄儀當(dāng)中的語(yǔ)音成為還原事實(shí)的一個(gè)重要依據(jù)。綜合上述問(wèn)題，本次實(shí)驗(yàn)主要研究錄音筆錄音、手機(jī)錄音機(jī)錄音、手機(jī)通話錄音、執(zhí)法記錄儀錄音、手機(jī)微信錄音以及手機(jī)QQ 錄音等6種常見(jiàn)方式的語(yǔ)音錄制。

1.2 軟硬件設(shè)施

實(shí)驗(yàn)設(shè)備和器材選用高保真錄音筆ZOOM H6、筆記本電腦、華為P20 手機(jī)六部。實(shí)驗(yàn)當(dāng)中使用Format Factory5.4.5、VS-99 計(jì)算機(jī)語(yǔ)音工作站 5.0、praat6.1.38 和WaveSurfer1.8.8 語(yǔ)音軟件，進(jìn)行格式轉(zhuǎn)化、語(yǔ)圖分析和數(shù)據(jù)提取。

1.3 語(yǔ)音錄制

實(shí)驗(yàn)選用10 名成年男性，年齡范圍為21-23 歲，均系貴州警察學(xué)院全日制本科生。其發(fā)音標(biāo)準(zhǔn)，無(wú)明顯地方口音，日常交往以普通話為主。在貴州警察學(xué)院司法鑒定中心的語(yǔ)音錄制室內(nèi)，對(duì)10 位發(fā)音人分別進(jìn)行3 次錄音，每次錄音時(shí)間間隔一周以上。每一位發(fā)音人均同步使用錄音筆錄音、手機(jī)錄音機(jī)錄音、手機(jī)通話錄音、執(zhí)法記錄儀錄音、微信錄音和QQ 錄音6 種方式錄音，發(fā)音人距離各個(gè)設(shè)備間的距離為10cm。錄音文本包含漢語(yǔ)普通話的全部輔音、單元音、二合元音和三合元音，讓發(fā)音人以正常說(shuō)話方式用普通話進(jìn)行念讀。錄音筆、執(zhí)法記錄儀錄音采樣頻率為22kHz，精度為16 位。手機(jī)錄音機(jī)錄音、手機(jī)通話錄音、微信錄音、以及QQ 錄音均使用設(shè)備默認(rèn)錄制參數(shù)。語(yǔ)音錄制期間，發(fā)音人身體健康，無(wú)疾病。期間未服用藥物，無(wú)酒精和鎮(zhèn)靜劑的影響。

2 實(shí)驗(yàn)結(jié)果與分析

2.1 六種語(yǔ)音錄制方式的實(shí)驗(yàn)結(jié)果與分析

2.1.1 六種語(yǔ)音錄制方式的聽(tīng)覺(jué)檢驗(yàn)

聽(tīng)覺(jué)檢驗(yàn)重點(diǎn)針對(duì)錄制方式差異對(duì)音高變化、嗓音品質(zhì)、強(qiáng)度變化、韻律特征、發(fā)音規(guī)律、音質(zhì)差異、聲音畸變和噪聲干擾等的影響[5]。選擇10 名與發(fā)音人不熟悉的聽(tīng)音人，對(duì)不同錄制方式的語(yǔ)音進(jìn)行聽(tīng)辨。結(jié)果顯示：聲調(diào)特點(diǎn)、韻律特征、個(gè)性化拼讀、發(fā)音和言語(yǔ)習(xí)慣的一致性檢驗(yàn)，幾種錄制方式均未發(fā)生變化。平卷舌發(fā)音特點(diǎn)，在各個(gè)語(yǔ)音錄制方式中均穩(wěn)定出現(xiàn)。錄音筆錄音、手機(jī)錄音機(jī)錄音、微信錄音、QQ 錄音的強(qiáng)度、音高、嗓音品質(zhì)差異不大，無(wú)噪聲、無(wú)回聲、無(wú)畸變、聲音清晰、效果較好；手機(jī)通話錄音音量明顯減小，無(wú)噪聲、無(wú)回聲、無(wú)畸變，基本能聽(tīng)辨出內(nèi)容，嗓音特征受到部分影響；執(zhí)法記錄儀錄音的音量明顯增大，可以聽(tīng)清楚語(yǔ)音內(nèi)容，但聲音不清晰，有噪聲干擾、有明顯擴(kuò)音和回聲，聲音產(chǎn)生了較大畸變。

2.1.2 六種語(yǔ)音錄制方式寬帶語(yǔ)圖檢驗(yàn)

寬帶語(yǔ)圖常用于檢驗(yàn)共振峰頻率特征、走向特征、音素間過(guò)渡段形態(tài)特征、時(shí)長(zhǎng)分布特征等等。而共振峰頻率特征、走向特征的個(gè)人穩(wěn)定性較強(qiáng)，不易受到說(shuō)話狀態(tài)改變的影響，可作為語(yǔ)音同一性鑒定的主要依據(jù)[6]。錄音筆錄音、手機(jī)錄音機(jī)錄音、執(zhí)法記錄儀錄音、微信錄音和QQ 錄音的高頻語(yǔ)音信息均有記錄，但通話錄音4000Hz 以上的高頻信息未被記錄，見(jiàn)圖1。

圖1 A1 六種語(yǔ)音錄制方式的寬帶語(yǔ)圖

司法實(shí)踐中對(duì)輔音的分析要求采樣率22050Hz 及以上（即顯示出的語(yǔ)圖在11025Hz 及以上）, 但這并不是鑒定的唯一參數(shù)。相對(duì)于輔音而言，元音的共振峰更穩(wěn)定，是說(shuō)話人司法語(yǔ)音識(shí)別對(duì)比的有效方法。共振峰能夠清晰反映說(shuō)話人聲道的整體特征，還能反映出說(shuō)話人的發(fā)音習(xí)慣[7]。共振峰的低頻信息記錄了發(fā)音內(nèi)容，高頻信息記錄了人與人之間的個(gè)體差異，但實(shí)際應(yīng)用中4000Hz 以上的高頻信息并不穩(wěn)定[8]。語(yǔ)速加快、聲音變小、發(fā)音不充分的情況下，4000Hz 以上的高頻信息很難穩(wěn)定出現(xiàn)。處于兩、三千赫茲左右的第三、四共振峰能客觀、穩(wěn)定地記錄語(yǔ)音發(fā)音特征，基本涵蓋個(gè)體差異特征[9]，因此通話錄音也可以進(jìn)行話者識(shí)別。對(duì)六種錄制方式錄制的“現(xiàn)在”寬帶語(yǔ)圖分別檢驗(yàn)，發(fā)現(xiàn)錄制方式的變化對(duì)語(yǔ)音產(chǎn)生一定影響對(duì)語(yǔ)音識(shí)別造成干擾，但同一人、相同音節(jié)、不同錄制方式語(yǔ)音間的共振峰走向、過(guò)渡段特征、時(shí)長(zhǎng)分配等基本一致。相同話者不同錄制方式共振峰整體特征基本一致，但也表現(xiàn)出能量分布的不同；執(zhí)法記錄儀語(yǔ)音不同頻次的共振峰能量分布相對(duì)一致；其它錄制方式語(yǔ)音不同頻次的共振峰能量分布存在顯著差異，見(jiàn)圖2。

圖2 A1 六種語(yǔ)音錄制方式“現(xiàn)在”的寬帶語(yǔ)圖

微信語(yǔ)音和QQ 語(yǔ)音錄制的“圳”“測(cè)”“吃”“缺”“生”等多個(gè)音節(jié)在第四共振峰以上區(qū)域出現(xiàn)虛峰，個(gè)別音節(jié)出現(xiàn)共振峰缺失；通話錄音還表現(xiàn)出橫杠模糊不清，輔音部分被明顯弱化，高頻信息丟失，輔音能量減弱或消失，鼻韻母共振峰減弱或消失，音節(jié)內(nèi)和音節(jié)間的過(guò)渡特征減弱或消失，低頻和高頻的共振峰部分缺失，少量中頻共振峰缺失，個(gè)別音節(jié)出現(xiàn)虛峰。通話錄音雖然音量最小、采樣率最低，但是語(yǔ)圖相對(duì)清晰，共振峰位置、形態(tài)走向、能量分布均十分清晰。執(zhí)法記錄儀則普遍表現(xiàn)為在不同頻段均出現(xiàn)多個(gè)虛峰。對(duì)比其他錄音方式，執(zhí)法記錄儀錄音的寬帶語(yǔ)圖顏色最深，各部分能量均得到增強(qiáng)，聲音最大；語(yǔ)音信號(hào)被物理放大的同時(shí)噪聲較為嚴(yán)重，增加數(shù)條虛峰，共振峰模糊不清，見(jiàn)圖3。經(jīng)檢驗(yàn)錄音筆錄音的信息保存最為完整；手機(jī)錄音機(jī)錄音其次；微信錄音、QQ 錄音再次；通話錄音復(fù)次；執(zhí)法記錄儀錄音質(zhì)量最差。同一人相同音節(jié)，各錄制方式間聲母、韻母和聲韻母時(shí)長(zhǎng)分配比例相對(duì)穩(wěn)定。

圖3 A1 六種語(yǔ)音錄制方式“深圳”的共振峰頻率檢測(cè)

A1 至A10 不同話者、同一錄制方式，輔音參數(shù) COG、SD、skewness、kurtosis 差異顯著；在能量分布、共振峰走向、共振峰頻率、過(guò)渡特征、時(shí)長(zhǎng)分配等方面也表現(xiàn)出明顯的差異特征，見(jiàn)圖4。例如：A1 與A7 的“現(xiàn)”第一、二、三共振峰頻率較為接近，但音節(jié)內(nèi)過(guò)渡特征和共振峰走向有差異，第三、四共振峰能量分布也不同，第四共振峰相差341Hz；輔音部分的能量分布也表現(xiàn)出較為明顯的差異，A1 輔音部分的COG 集中在3715Hz，A7 輔 音 部 分 的 COG 集 中 在5049Hz，相差較大。

圖4 A1-A10 手機(jī)錄音機(jī)錄音“現(xiàn)”的共振峰頻率檢測(cè)

2.1.3 音強(qiáng)檢驗(yàn)

音強(qiáng)可以作為語(yǔ)音檢驗(yàn)的有效參數(shù)，即使是發(fā)音器官高度相似的同卵雙胞胎語(yǔ)音，其音強(qiáng)特性也具有一定的個(gè)體特殊性[10]。振幅曲線可用來(lái)觀測(cè)音強(qiáng)，還可以用來(lái)確定音節(jié)中聲母與韻母的分界或語(yǔ)流中音節(jié)之間的分界。制作六種錄制方式的音強(qiáng)語(yǔ)圖，進(jìn)行對(duì)比分析，見(jiàn)圖5。對(duì)比檢驗(yàn)“你又不缺錢”的強(qiáng)度曲線，強(qiáng)度從大到小依次排序?yàn)閳?zhí)法記錄儀錄音、錄音筆錄音、手機(jī)錄音機(jī)錄音、微信錄音、QQ 錄音、手機(jī)通話錄音。執(zhí)法記錄儀錄音的強(qiáng)度介于53.88dB 至93.38dB 之間，錄音筆錄音的強(qiáng)度介于34.68dB 至88.26dB 之間，通話錄音的強(qiáng)度介于-2.83dB 至69.27dB 之間。韻母部分的音強(qiáng)走勢(shì)表現(xiàn)出較強(qiáng)的個(gè)體特征。對(duì)比同一話者不同錄制方式的相同語(yǔ)音內(nèi)容，強(qiáng)度隨時(shí)間變化的分布規(guī)律基本一致。

圖5 A1 六種語(yǔ)音錄制方式的強(qiáng)度曲線圖譜

對(duì)比不同話者、相同錄制方式、相同語(yǔ)音內(nèi)容，總體強(qiáng)度按時(shí)間的分布情況表現(xiàn)出了較大的差異特征，見(jiàn)圖6。音強(qiáng)統(tǒng)計(jì)的結(jié)果表明：以錄音筆錄音為參照，音強(qiáng)平均水平最高的是A7，為65.32dB；音強(qiáng)平均水平最低的是A4，為50.12dB。10 位發(fā)音人的總體音強(qiáng)均為執(zhí)法記錄儀最高，較錄音筆平均高出16.69dB；通話錄音最低，較錄音筆平均低出34.08dB；執(zhí)法記錄儀和通話錄音間音強(qiáng)平均相差50.76dB。利用音強(qiáng)曲線圖，給出所有發(fā)音人六種錄制方式的平均音強(qiáng)值，圖中各個(gè)點(diǎn)上的數(shù)值代表各個(gè)發(fā)音人的平均音強(qiáng)，見(jiàn)圖7。

圖6 A1-A10 手機(jī)錄音機(jī)錄音的"你又不缺錢"音強(qiáng)檢驗(yàn)

圖7 十位發(fā)音人六種錄制方式的平均音強(qiáng)變化

2.1.4 自動(dòng)識(shí)別檢驗(yàn)

將聲紋識(shí)別運(yùn)用于涉案人員的身份認(rèn)定能有效提高司法案件鑒定的效率。但是受情緒、方言、噪音、錄制設(shè)備等的影響，聲紋自動(dòng)識(shí)別技術(shù)還有待于繼續(xù)深入挖掘和研究[11]。利用科大訊飛語(yǔ)音軟件進(jìn)行自動(dòng)識(shí)別比對(duì)，檢測(cè)錄制方式變化對(duì)語(yǔ)音識(shí)別的影響。將六種不同方式錄制的語(yǔ)音文件以樣本的形式錄入到數(shù)據(jù)庫(kù)，再以其中一個(gè)文件為檢材進(jìn)行識(shí)別比對(duì)。比對(duì)結(jié)果表明錄音筆錄音為檢材時(shí)，識(shí)別準(zhǔn)確度最高；執(zhí)法記錄儀錄音為檢材比對(duì)時(shí)，識(shí)別準(zhǔn)確度最低。錄音筆錄音為檢材進(jìn)行識(shí)別對(duì)比，自動(dòng)識(shí)別準(zhǔn)確度排序依次為：手機(jī)錄音機(jī)錄音、微信錄音、QQ 錄音、通話錄音、執(zhí)法記錄儀錄音。分值越大越支持來(lái)自同一話者，分值越小越支持來(lái)自不同話者。同一人不同錄制方式間比對(duì)的分值大部分高于不同人同一錄制方式間的分值。個(gè)別出現(xiàn)同一人通話錄音、執(zhí)法記錄儀錄音比對(duì)分值小于不同人同一錄制方式分值，這與噪聲干擾、信號(hào)損失情況密切相關(guān)。

2.2 錄音筆錄音和執(zhí)法記錄儀錄音差異的實(shí)驗(yàn)研究結(jié)果與分析

無(wú)論是聽(tīng)覺(jué)檢驗(yàn)、圖譜分析、數(shù)據(jù)測(cè)量還是自動(dòng)識(shí)別，執(zhí)法記錄儀錄音效果都是最差的。因此以錄音筆錄音為參照，重點(diǎn)對(duì)執(zhí)法記錄儀錄音進(jìn)行分析和檢驗(yàn)。因執(zhí)法記錄儀語(yǔ)音噪聲干擾較強(qiáng)，先用VS99 語(yǔ)音工作站進(jìn)行降噪，再與錄音筆錄音進(jìn)行對(duì)比檢驗(yàn)。

2.2.1 基頻數(shù)據(jù)和基頻曲線檢驗(yàn)

基頻是聲帶振動(dòng)的基本頻率，基頻的高低取決于聲帶的長(zhǎng)短、厚薄、彈性和韌性。它能夠反映說(shuō)話人的很多生物學(xué)信息，是語(yǔ)音中最重要的聲學(xué)參數(shù)之一[12]。音調(diào)特征在漢語(yǔ)語(yǔ)音識(shí)別中起著非常重要的作用，而音調(diào)特征可以由基頻特征來(lái)刻畫(huà)和構(gòu)造[13]?；糁芷谑敲枋鰸嵋艏?lì)源的一個(gè)基本特征，其倒數(shù)稱為基音頻率，基音頻率的不同軌跡就是聲調(diào)[14]。通過(guò)觀察分析錄音筆錄音和執(zhí)法記錄儀錄音基頻曲線圖發(fā)現(xiàn)，音節(jié)基頻曲線基本一致，畸變現(xiàn)象不嚴(yán)重，見(jiàn)圖8。具體表現(xiàn)為“深”的基頻曲線連續(xù)、起始部位均為181Hz 左右“，深”的基頻均為一條水平線至“圳”開(kāi)始上升到200Hz 后平緩下降，最低達(dá) 121Hz。“深”為一聲、“圳”為四聲，根據(jù)基頻調(diào)形陰平、陽(yáng)平、上聲、去聲分類圖譜分析，是發(fā)音變化導(dǎo)致的曲線變化，與錄制方式無(wú)關(guān)。繼續(xù)分析“衣服”“吃飯”“雙簧”“電燈 “ 姓名”“ 自 己 ”“ 現(xiàn) 在 ”“ 生 氣 ”“ 拜 年 ”“ 框架”“測(cè)量”“這個(gè)完全不存在”等多個(gè)音節(jié)，基頻曲線變化不大，二者基本吻合。深入分析A1 至A10，10 人的3 次錄音筆錄音和執(zhí)法記錄儀錄音的基頻，發(fā)現(xiàn)基本吻合，僅個(gè)別音節(jié)基頻曲線出現(xiàn)輕微畸變現(xiàn)象。例如“框架”“現(xiàn)在”等音節(jié)的錄音筆基頻曲線為連續(xù)，而執(zhí)法記錄儀基頻曲線則中間斷裂，“吃飯”等音節(jié)的錄音筆基頻曲線為中間斷裂而執(zhí)法記錄儀基頻曲線為連續(xù)，但二者形態(tài)走向基本一致。

圖8 A1 錄音筆錄音和執(zhí)法記錄儀錄音基頻特征檢驗(yàn)

同一人3 次錄音筆F0 均值，與同一人3 次執(zhí)法記錄儀F0 均值較為接近，與另外9 人3 次錄音筆F0 均值相差較大，見(jiàn)圖9。將A1 至A10 同一人錄音筆錄音和執(zhí)法記錄儀錄音基頻均值進(jìn)行方差分析，分別為2.25、1.02、4.23、2.42、3.29、4.27、2.61、4.15、4.62、2.36；不同人錄音筆錄音基頻均值方差為161.24，不同人執(zhí)法記錄儀錄音基頻均值方差為131.89。統(tǒng)計(jì)分析10 個(gè)音節(jié)，得出同一話者錄音筆錄音和執(zhí)法記錄儀錄音基頻變異系數(shù)在0-1.65%之間，不同話者同一錄音筆錄音基頻變異系數(shù)在17.14% -45.90%之間，見(jiàn)表1。說(shuō)明錄制方式變化對(duì)語(yǔ)音基頻的影響較小，可作為法庭說(shuō)話人識(shí)別中的特征參數(shù)。

圖9 同一人錄音筆、執(zhí)法記錄儀錄音和不同人同一錄音筆錄音F0 均值

表1 同一人錄音筆、執(zhí)法記錄儀錄音和不同人同一錄音筆錄音基頻變化比較

2.2.2 音強(qiáng)和音強(qiáng)曲線檢驗(yàn)

檢測(cè)A1 執(zhí)法記錄儀錄音的音強(qiáng)均值為54.37dB，方差為14.31；錄音筆錄音音強(qiáng)均值為70.78dB，方差為13.23；A1 至A10相同錄制方式的音強(qiáng)方差相差較大。執(zhí)法記錄儀音強(qiáng)明顯增加，錄制方式變化改變了音強(qiáng)的絕對(duì)數(shù)值，但是方差分析錄音筆錄音和執(zhí)法記錄儀錄音變化幅度不大，音強(qiáng)隨時(shí)間變化波動(dòng)情況較為相似，見(jiàn)圖10。

圖10 A1 錄音筆錄音和執(zhí)法記錄儀錄音音強(qiáng)特征檢驗(yàn)

2.2.3 語(yǔ)圖檢驗(yàn)

挑選“特”“燈”“圳”“現(xiàn)”“簧”“姓”等音節(jié)進(jìn)行分析。多數(shù)情況下，執(zhí)法記錄儀除出現(xiàn)了“特”的前四個(gè)共振峰外，額外多出一或兩條虛峰，對(duì)比相同頻次的共振峰發(fā)現(xiàn)出現(xiàn)的位置、形態(tài)走向、能量分布基本一致?！佰凇钡那氨琼嵞柑卣飨鄬?duì)穩(wěn)定，與錄音筆吻合；執(zhí)法記錄儀“簧”的后鼻韻母特征相對(duì)穩(wěn)定，與錄音筆吻合。對(duì)比“深圳”的寬帶語(yǔ)圖和頻譜曲線，見(jiàn)圖11。錄音筆“深圳”800Hz 至5000Hz 的共振峰能量是依次遞減，而執(zhí)法記錄儀“深圳”800Hz 至5000Hz 的共振峰能量呈均勻分布，未出現(xiàn)明顯的能量衰減，且執(zhí)法記錄儀增加數(shù)條虛峰。鼻韻母的共振峰特征相對(duì)穩(wěn)定。執(zhí)法記錄儀“深圳”的輔音部分相較于錄音筆有明顯的能量增強(qiáng)，但能量集中的區(qū)域變化不大。

圖11 A1“深圳”的寬帶語(yǔ)圖和“圳”的頻譜曲線

2.2.4 統(tǒng)計(jì)分析

挑選“存”“吃”“間”“特”“姓”“圳”“現(xiàn)”“生”“燈”“簧”10 個(gè)音節(jié)，各音節(jié)均有 4 條以上共振峰，分別測(cè)量A1 至A10 的10 人3 次錄音筆錄音和執(zhí)法記錄儀錄音的共振峰數(shù)值。同一話者錄音筆錄音和執(zhí)法記錄儀錄音的共振峰頻率變異系數(shù)在0-15.94%，不同話者同一錄音筆的共振峰頻率變異系數(shù)在0.12%-41.13%，見(jiàn)圖12。結(jié)合聽(tīng)辨檢驗(yàn)、聲調(diào)、韻律特征、語(yǔ)音圖譜、共振峰模式、音節(jié)內(nèi)和音節(jié)間的過(guò)渡特征等綜合分析，對(duì)比檢驗(yàn)“存”“吃”“特”“圳”“現(xiàn)”“簧”，同一話者錄音筆錄音和執(zhí)法記錄儀錄音的語(yǔ)音差異小于 10%；“存”“吃”“間”“特”“圳”“簧”不同話者同一錄音筆的語(yǔ)音差異大于10%。中華人民共和國(guó)公共安全行業(yè)標(biāo)準(zhǔn)GA/T1433-2017《法庭科學(xué)語(yǔ)音同一認(rèn)定技術(shù)規(guī)范》規(guī)定，檢材語(yǔ)音和樣本語(yǔ)音中有6個(gè)以上可供比對(duì)的不同音節(jié)，且每個(gè)音節(jié)有4 條以上有效共振峰，經(jīng)綜合評(píng)斷，同一話者錄音筆錄音和執(zhí)法記錄儀錄音的語(yǔ)音特征總體符合率超過(guò)90%，二者間差異部分能得到合理解釋的，可認(rèn)定同一。

圖12 同一話者錄音筆、執(zhí)法記錄儀錄音和不同話者同一錄音筆錄音的共振峰對(duì)比

3 結(jié)論

3.1 條件允許時(shí)盡量選擇相同的錄制方式

以高保真錄音筆為參照，手機(jī)錄音機(jī)錄音效果較好，微信錄音和QQ 錄音變化相對(duì)較小，通話錄音的能量整體減少、能量較弱的頻率部分消失、高頻共振峰和輔音特征減少，執(zhí)法記錄儀錄音能量整體增加、部分高頻共振峰出現(xiàn)偏移、增加多條虛峰。聲音具有相對(duì)穩(wěn)定和絕對(duì)變化的特性，同一人的幾次發(fā)音不可能完全相同。錄制方式變化會(huì)加劇語(yǔ)音的變異，給法庭說(shuō)話人識(shí)別帶來(lái)一定難度。相同話者情緒高漲與情緒低落時(shí)可能會(huì)出現(xiàn)基頻相差一倍以上的現(xiàn)象[15]，說(shuō)話方式的改變會(huì)對(duì)聲紋鑒定產(chǎn)生影響[16]，案件語(yǔ)音不僅存在正常的語(yǔ)音變異，而且存在形形色色的反常語(yǔ)音變異[17]。本實(shí)驗(yàn)要求發(fā)音人盡可能保持相同的音高、語(yǔ)速、情緒狀態(tài)等，研究結(jié)論僅適用于相同發(fā)音狀態(tài)。因此，當(dāng)語(yǔ)音受影響較大時(shí)可能出現(xiàn)不具備鑒定條件的情況，故條件允許時(shí)應(yīng)盡量選擇錄制檢材的方式來(lái)錄制語(yǔ)音樣本。案件鑒定中，還應(yīng)額外注意語(yǔ)音的來(lái)源、錄制方式等問(wèn)題，根據(jù)錄制方式變化適當(dāng)調(diào)整參數(shù)和樣本采集方案，必要時(shí)可先推算出回歸模型對(duì)語(yǔ)音進(jìn)行校正后再進(jìn)行鑒定。

3.2 錄制方式造成的語(yǔ)音變異小于話者之間的差異

錄制方式變化對(duì)聽(tīng)覺(jué)檢驗(yàn)的影響較小，對(duì)聲母、韻母和聲韻時(shí)長(zhǎng)分配比例影響較小，對(duì)聲音強(qiáng)度有影響但韻母部分走勢(shì)變化不大。個(gè)別音節(jié)基頻曲線出現(xiàn)輕微畸變現(xiàn)象但數(shù)據(jù)變化不大且形態(tài)走向基本一致。共振峰位置、走勢(shì)、音節(jié)內(nèi)和音節(jié)間過(guò)渡特征基本一致，僅個(gè)別出現(xiàn)顯著變化。六種錄制方式語(yǔ)音質(zhì)量由高到低依次為：高保真錄音筆-手機(jī)錄音機(jī)錄音-微信錄音-QQ 錄音-通話錄音-執(zhí)法記錄儀錄音。雖然自動(dòng)識(shí)別方便、快速，但限于研究?jī)?nèi)容的有限性和語(yǔ)音變異的無(wú)限性，當(dāng)前仍應(yīng)采用自動(dòng)識(shí)別比對(duì)和專家人工鑒定相結(jié)合的技術(shù)手段。相同話者不同錄制方式采集的語(yǔ)音，其基頻和共振峰變異較小，小于不同話者相同錄制方式的語(yǔ)音基頻和共振峰差異。結(jié)合聽(tīng)辨檢驗(yàn)、聲調(diào)、韻律特征、語(yǔ)音圖譜、共振峰模式、音節(jié)內(nèi)和音節(jié)間的過(guò)渡特征等綜合分析，可以得出準(zhǔn)確的鑒定意見(jiàn)。研究結(jié)果為錄制方式變化導(dǎo)致的語(yǔ)音差異提供了解決方案，為其它種類語(yǔ)音變異的鑒定提供了技術(shù)參考，為提高法庭話者自動(dòng)識(shí)別提供了研究思路。本研究也有一定的局限性，研究成果僅適用于以上六種語(yǔ)音錄制方式，不能排除其他錄制方式會(huì)導(dǎo)致語(yǔ)音特征發(fā)生較大變異的情況。