胡曉光, 劉天宇, 楊昊易, 蔡能斌

(1.中國(guó)人民公安大學(xué)偵查學(xué)院， 北京 100038； 2.上海市現(xiàn)場(chǎng)物證重點(diǎn)實(shí)驗(yàn)室， 上海 200083)

0 引言

聲紋識(shí)別作為一項(xiàng)生物識(shí)別技術(shù)，是利用計(jì)算機(jī)等信息識(shí)別技術(shù)將話語(yǔ)人的語(yǔ)音信號(hào)轉(zhuǎn)化為電信號(hào)，對(duì)話語(yǔ)人身份進(jìn)行識(shí)別的技術(shù)，公安機(jī)關(guān)通過(guò)聲紋識(shí)別能夠?yàn)閭善瓢讣ふ揖€索，查明真相。

隨著計(jì)算機(jī)技術(shù)的發(fā)展，語(yǔ)音偽裝對(duì)案件的偵破帶來(lái)了極大的阻撓?？萍歼M(jìn)步帶動(dòng)了電子偽裝語(yǔ)音技術(shù)的不斷發(fā)展，各類變音軟件相繼出現(xiàn)在人們的生活中，不法分子利用語(yǔ)音偽裝實(shí)施非接觸式的犯罪已經(jīng)成為當(dāng)前公安工作的一大難題。近年來(lái)，電信詐騙、敲詐勒索等案件數(shù)量不斷增加，而電子偽裝語(yǔ)音對(duì)案件偵破具有擾亂和誤導(dǎo)的不利影響，因此公安機(jī)關(guān)越來(lái)越重視對(duì)電子偽裝語(yǔ)音的研究。一般來(lái)講，聲紋識(shí)別運(yùn)用到的聲學(xué)特征主要有共振峰頻率、基頻和音強(qiáng)，而當(dāng)前市面上存在的幾種常見(jiàn)的變音軟件的原理主要是通過(guò)改變這些物理性質(zhì)來(lái)對(duì)原聲進(jìn)行偽裝。常見(jiàn)的變音軟件種類繁多，變聲效果也大不相同，但其偽裝語(yǔ)音的原理存在一定的相似性。當(dāng)前對(duì)電子偽裝語(yǔ)音的研究現(xiàn)狀主要總結(jié)了其3種變音方法，即可以分為參數(shù)、非參數(shù)和混合方法[1]，但缺乏更加細(xì)致的研究和證明。本文基于當(dāng)前電子偽裝語(yǔ)音的發(fā)展現(xiàn)狀，對(duì)4款市面上較為常見(jiàn)的變音軟件進(jìn)行實(shí)驗(yàn)研究和數(shù)據(jù)分析，對(duì)變音規(guī)律進(jìn)行深入探索，并設(shè)計(jì)逆實(shí)驗(yàn)來(lái)印證結(jié)果，找出幾款變音軟件原理的相似點(diǎn)和不同點(diǎn)，為偵破工作提供新思路。

1 利用praat軟件分析電子偽裝語(yǔ)音的可行性

1.1 語(yǔ)音分析軟件的選用

語(yǔ)音分析軟件Praat是一款基本的多功能語(yǔ)音分析軟件，該軟件能夠采集基本的語(yǔ)音信號(hào)，經(jīng)過(guò)變換和處理，根據(jù)用戶的需要形成相應(yīng)的分析結(jié)果。Praat軟件具有功能強(qiáng)大、操作簡(jiǎn)便、測(cè)量準(zhǔn)確和通用的優(yōu)點(diǎn)，本研究選用該軟件對(duì)音頻各數(shù)據(jù)進(jìn)行采集分析，利用其分析所選音段的共振峰頻率、音調(diào)和音強(qiáng)的數(shù)值，依據(jù)測(cè)定的數(shù)值大小和變化趨向進(jìn)行分析探究。

1.2 電子偽裝語(yǔ)音發(fā)展現(xiàn)狀

目前市面上常見(jiàn)的變聲軟件的變聲方法可以分為參數(shù)、非參數(shù)和混合方法。參數(shù)方法和混合方法是提取特征參數(shù)按照某一函數(shù)進(jìn)行轉(zhuǎn)換，其不同之處在于參數(shù)方法是對(duì)所有參數(shù)都進(jìn)行提取轉(zhuǎn)換，而混合方法則是提取部分參數(shù)，對(duì)其他參數(shù)進(jìn)行整體控制。非參數(shù)方法是根據(jù)統(tǒng)計(jì)意義上的數(shù)據(jù)進(jìn)行變化，其方法多種多樣。

電子偽裝語(yǔ)音是通過(guò)電子變聲技術(shù)對(duì)說(shuō)話人的語(yǔ)音特征進(jìn)行轉(zhuǎn)換，使其聲音得到個(gè)性化偽裝。電子偽裝語(yǔ)音器材可以對(duì)說(shuō)話人的自然語(yǔ)音進(jìn)行個(gè)性化偽裝。致使一般的聽(tīng)話人無(wú)法辨識(shí)發(fā)音人的身份、年齡甚至性別，也嚴(yán)重影響了一般聲紋特征識(shí)別技術(shù)產(chǎn)品的語(yǔ)音檢驗(yàn)鑒定效果，給司法鑒定工作帶來(lái)很大的困難[2]。目前國(guó)內(nèi)對(duì)電子偽裝語(yǔ)音研究的方向主要是對(duì)變音器材和變音軟件的研究，而缺乏對(duì)變音過(guò)程的研究和證明，故電子偽裝語(yǔ)音的研究將對(duì)于一線的偵查辦案提供新的思路。

1.3 語(yǔ)音的聽(tīng)覺(jué)特征

語(yǔ)音的聽(tīng)覺(jué)特征是個(gè)人發(fā)音器官特性、發(fā)音習(xí)慣特性和講話習(xí)慣特性表現(xiàn)在口語(yǔ)中的各種征象[3]。聽(tīng)覺(jué)特征主要表現(xiàn)在3個(gè)方面：嗓音音質(zhì)、口頭言語(yǔ)和口語(yǔ)缺陷。我們?cè)谶M(jìn)行細(xì)致的語(yǔ)音同一認(rèn)定工作之前，要先在語(yǔ)音的聽(tīng)覺(jué)特征方面對(duì)不同軟件變音前后的變聲語(yǔ)音進(jìn)行審聽(tīng)，其主要包括分析變音前后的音色特征、變音前后的韻律特征、話語(yǔ)人的用語(yǔ)習(xí)慣以及其他例如口音和方言方面的特征。

1.4 語(yǔ)音的頻譜特征

個(gè)體發(fā)音器官的特性和發(fā)音的習(xí)慣特性在聲紋圖譜中表現(xiàn)出的各種用來(lái)描述語(yǔ)音性質(zhì)的參量稱為語(yǔ)音的頻譜特征，表現(xiàn)為頻譜的描述語(yǔ)音性質(zhì)的參量很多，但并不都能作為語(yǔ)音頻譜特征來(lái)使用。能夠作為頻譜特征使用的語(yǔ)音參量，同樣要具有個(gè)體而言的穩(wěn)定性和對(duì)群體而言的差異性這兩個(gè)方面的性質(zhì)。這里將對(duì)幾個(gè)聲學(xué)特征參數(shù)作詳細(xì)介紹。

1.4.1 共振峰頻率特征

共振峰是指在語(yǔ)音圖譜中能量相對(duì)集中的一些區(qū)域，而共振峰頻率指的是共振峰在帶寬頻譜圖上的位置，將共振峰的寬度化簡(jiǎn)成取其中心線來(lái)作為共振峰的頻率，利用praat可以計(jì)算出共振峰頻率F1、F2、F3和F4的精確值。共振峰頻率特征的穩(wěn)定性和差異性均較強(qiáng)，既可作為認(rèn)定同一的指標(biāo)，也可作為否定同一的指標(biāo)。低頻區(qū)的共振峰，特別是F1和F2，不同人之間雖然存在差別，但對(duì)應(yīng)相同的概率也很高；而第三以上共振峰的頻率，不同人之間對(duì)應(yīng)相同的概率小得多，并且峰次越高，這種概率越低。故我們?cè)谶M(jìn)行語(yǔ)音同一認(rèn)定或非同一認(rèn)定時(shí)，共振峰頻率都是重要的指向性參考指標(biāo)。

1.4.2 時(shí)長(zhǎng)比例特征

如果將一段語(yǔ)流看成是一段音素序列，就會(huì)發(fā)現(xiàn)不同人講的同一段音素序列，各對(duì)應(yīng)音素的時(shí)長(zhǎng)一般是不同的。但我們難以將語(yǔ)流中的所有對(duì)應(yīng)音素的時(shí)長(zhǎng)一一進(jìn)行比對(duì)，并且同一人講相同的一段話，其各對(duì)應(yīng)音素的時(shí)長(zhǎng)未必相等。這里只討論穩(wěn)定性相對(duì)較強(qiáng)的音節(jié)中聲母韻母時(shí)長(zhǎng)比例、鼻韻母中主要元音與鼻韻尾時(shí)長(zhǎng)比例、音節(jié)間時(shí)長(zhǎng)比例等3個(gè)方面的特征。

1.4.3 基頻特征

基頻是語(yǔ)音重要的聲學(xué)參數(shù)之一。能夠引起基頻變化的屬于話者個(gè)體的因素有：性別、年齡、健康狀態(tài)等生理因素；情緒、心態(tài)等心理因素；談話環(huán)境、人際關(guān)系等廣義語(yǔ)境因素[4]?；l是最容易被外部因素所影響的因素之一，基頻的改變往往也會(huì)引起共振峰頻率的改變，從而在聽(tīng)覺(jué)效果上發(fā)生差異。在一線的偵查工作中，嫌疑人往往可以通過(guò)刻意偽裝甚至壓低嗓音等手段使得檢材提取人員無(wú)法得到其正常語(yǔ)調(diào)的基頻數(shù)值。因此，在制作音頻檢材時(shí)，應(yīng)充分考慮各方面的因素，如錄音器材是否有失真、現(xiàn)場(chǎng)環(huán)境是否嘈雜等。在獲取嫌疑人語(yǔ)音樣本時(shí)，并采取自由交談錄音和聽(tīng)說(shuō)兩種形式采樣。使用聽(tīng)說(shuō)錄音形式，需有意使對(duì)方說(shuō)與樣本相同的語(yǔ)句。采取自由交談錄音形式時(shí)，需確保對(duì)方不知情，以確保對(duì)象發(fā)音自然[5]。

1.5 分析電子偽裝語(yǔ)音對(duì)公安工作的意義

隨著科學(xué)技術(shù)的快速發(fā)展，信息化時(shí)代到來(lái)，傳統(tǒng)的偵查手段不足以適用于新型的犯罪，新時(shí)代的公安工作要通過(guò)創(chuàng)新來(lái)適應(yīng)新形勢(shì)。電子偽裝語(yǔ)音作為新興的技術(shù)常被犯罪分子用于身份的偽裝，其手段具有隱蔽化、專業(yè)化的特征，給偵查工作帶來(lái)極大的困難，這種新型的犯罪手段不容忽視，我們需要研究更新的技術(shù)手段，具備更新的知識(shí)儲(chǔ)備才能更好地偵破案件。分析電子偽裝語(yǔ)音能夠?yàn)閭善拼祟惏讣ふ乙环N新思路，為新時(shí)代公安工作提供智能化的技術(shù)指引。

2 實(shí)驗(yàn)過(guò)程

2.1 實(shí)驗(yàn)所用的軟硬件環(huán)境

語(yǔ)音分析軟件Praat V6.0.5.3、變聲器免費(fèi)版、安卓變聲器、Morphvox Pro中文版、專業(yè)變聲器語(yǔ)音聊天變聲軟件、“耳鼠變聲器”專業(yè)變聲軟件、華為P30手機(jī)兩部(音頻采樣率48 kHz)、華為P20(音頻采樣率48khz)手機(jī)一部、Adobe Audition CC 2019、風(fēng)云音頻處理大師1.0.60.126。

2.2 實(shí)驗(yàn)方法及步驟

2.2.1 選擇軟件

在手機(jī)以及電腦的應(yīng)用商店中找到下載量以及知名度靠前的4款軟件，用于本次實(shí)驗(yàn)。

2.2.2 語(yǔ)音錄制

參與錄制的志愿者在室內(nèi)安靜的環(huán)境，運(yùn)用手機(jī)和電腦的錄音功能，戴手機(jī)原裝線控耳機(jī)，麥克風(fēng)距嘴部約10 cm，以正常語(yǔ)速和語(yǔ)調(diào)朗讀錄音材料，對(duì)錄音材料進(jìn)行錄制。之后再打開(kāi)變聲軟件進(jìn)行同樣的錄制，保存對(duì)應(yīng)的音頻文件。

2.2.3 格式處理及分析

之后將所錄制樣本導(dǎo)入PC端，運(yùn)用軟件將音頻格式統(tǒng)一為WAV格式。運(yùn)用praat軟件對(duì)WAV格式的音頻文件進(jìn)行分析，得到錄音的語(yǔ)圖。測(cè)出所選取語(yǔ)句“變聲”前后的共振峰、基頻、音強(qiáng)等參數(shù)，數(shù)據(jù)制表。分析比較不同軟件變聲規(guī)律及差異，并進(jìn)行歸納總結(jié)。

2.3 實(shí)驗(yàn)1

使用praat對(duì)“變聲”前后的WAV格式音頻文件進(jìn)行聲學(xué)參數(shù)(基頻、共振峰、音強(qiáng))的測(cè)定，并記錄數(shù)值。

在分別對(duì)甲、乙、丙3名實(shí)驗(yàn)對(duì)象的樣本進(jìn)行測(cè)量后，發(fā)現(xiàn)同一個(gè)人經(jīng)A、B、C、D 4款軟件變化后的聲音聽(tīng)覺(jué)效果不同。以對(duì)象甲為例，見(jiàn)圖1。

根據(jù)圖1，可以發(fā)現(xiàn)聲音改變前后，語(yǔ)圖的波形有了較明顯的變化，語(yǔ)圖的差異直接反映在聽(tīng)覺(jué)的不同，說(shuō)話人達(dá)到了對(duì)聲音實(shí)現(xiàn)偽裝的目的。

圖1 原聲及變聲的對(duì)比

利用praat軟件測(cè)量錄音音頻“變聲”前后的聲學(xué)參數(shù)(包含基頻、音強(qiáng)、4組共振峰頻率)，發(fā)現(xiàn)4款變聲軟件錄制出的電子偽裝語(yǔ)音的聲學(xué)參數(shù)在數(shù)值和變化上均有較大不同。同一人在不同變聲軟件下的參數(shù)變化見(jiàn)圖2、圖3、圖4。

圖2 4款變聲軟件變男聲后共振峰數(shù)值對(duì)比柱形圖

圖3 4款變聲軟件變女聲后共振峰數(shù)值對(duì)比柱形圖

圖4 4款變聲軟件變聲后基頻數(shù)值對(duì)比柱形圖

根據(jù)同一人在4款不同的變聲軟件下4組共振峰(F1～F4)同原聲的共振峰對(duì)比柱形圖可以看出，在經(jīng)過(guò)不同軟件處理后，同一語(yǔ)句對(duì)應(yīng)的共振峰頻率同原聲相比有較大不同。反映在聽(tīng)覺(jué)效果上，原聲同變化后的聲音有了較大變化。因此，共振峰頻率可作為一個(gè)關(guān)鍵的評(píng)判兩組聲音是否為同一人的參考要素。

根據(jù)柱形圖可得，同一人的聲音在不同的變聲軟件處理后，基頻數(shù)值有所差異。不同軟件處理，基頻的變化比例也不盡相同。當(dāng)由原聲變?yōu)榕晻r(shí)，基頻升高；反之，基頻降低。

根據(jù)表1可知，音強(qiáng)這一聲學(xué)參數(shù)在變化前后差異量較小，在誤差允許范圍內(nèi)，可認(rèn)為基本無(wú)變化。音強(qiáng)這一參數(shù)在聽(tīng)覺(jué)效果上的反映為聲音的大小以及宏亮程度，故下文在對(duì)變聲恢復(fù)過(guò)程將不對(duì)其重點(diǎn)討論。

表1 4款軟件變聲前后音強(qiáng)的數(shù)值對(duì)比

注：表中數(shù)據(jù)單位均為dB。

對(duì)上述聲學(xué)參數(shù)進(jìn)行測(cè)定與分析后，可以發(fā)現(xiàn)前后聲音的改變對(duì)應(yīng)基頻與共振峰頻率數(shù)值的改變。因此，探究電子偽裝語(yǔ)音的規(guī)律，可著重從基頻與共振峰頻率兩個(gè)參數(shù)的變化規(guī)律入手。

2.4 實(shí)驗(yàn)2

經(jīng)實(shí)驗(yàn)1探究發(fā)現(xiàn)，基頻與共振峰頻率數(shù)值的變化，會(huì)體現(xiàn)在說(shuō)話人聲音的改變上。為探究二者究竟誰(shuí)為主導(dǎo)，運(yùn)用假說(shuō)演繹法。假設(shè)基頻對(duì)于聲音改變的效果為主導(dǎo)因素，共振峰頻率改變聲音的效果次之。改變基頻至原來(lái)的數(shù)值，若恢復(fù)出的聲音在聽(tīng)覺(jué)與聲學(xué)參數(shù)上均契合，則可驗(yàn)證假說(shuō)的合理性；反之，則否定。說(shuō)話人甲的基頻數(shù)值表見(jiàn)表2。

表2 4款軟件基頻數(shù)值及比例

注：表中基頻單位為Hz。

之后在Adobe Audition CC 2019音頻編輯軟件中，利用“音高換擋器”對(duì)變聲進(jìn)行相對(duì)應(yīng)的升高或降低相應(yīng)的比例，得到初步的“逆變聲”語(yǔ)音。之后對(duì)聲音進(jìn)行微調(diào)，得到較為純粹的恢復(fù)聲。之后將“恢復(fù)聲”同原聲進(jìn)行聽(tīng)覺(jué)上的比對(duì)和聲學(xué)參數(shù)的比對(duì)。

得到恢復(fù)語(yǔ)音后，分別邀請(qǐng)其他5名不知情的人員審聽(tīng)原聲與恢復(fù)聲，基本得到了較好的反饋，無(wú)失真現(xiàn)象，原聲與“恢復(fù)聲”的比較得到初步的契合。由于在真正的語(yǔ)音同一認(rèn)定的實(shí)驗(yàn)過(guò)程中，僅僅靠聽(tīng)覺(jué)效果的相似是不夠的，往往還需要進(jìn)行頻譜比對(duì)。以說(shuō)話人甲為例，見(jiàn)圖5(a)(b)與聲學(xué)參數(shù)的對(duì)比分析。

圖5 說(shuō)話人甲原聲與“恢復(fù)聲”的對(duì)比

經(jīng)過(guò)對(duì)聽(tīng)覺(jué)效果和語(yǔ)圖的分析，可以發(fā)現(xiàn)恢復(fù)出的聲音同原聲相比雖仍有差異，但大致能做到相似，可以大致判斷出二者是否為同一人。在司法實(shí)踐中，做語(yǔ)音同一認(rèn)定時(shí)仍需要聲學(xué)參數(shù)的比對(duì)與測(cè)定，見(jiàn)圖6、圖7。

圖6 4款軟件原聲與“男恢復(fù)聲”的共振峰頻率對(duì)比圖

圖7 4款軟件原聲與“女恢復(fù)聲”的共振峰頻率對(duì)比圖

經(jīng)過(guò)原聲與“恢復(fù)聲”的比對(duì)，可以發(fā)現(xiàn)A、B、D 3款軟件恢復(fù)后，共振峰頻率同原聲相比有較好的契合程度，在誤差允許范圍內(nèi)，有較高的特征符合率，故可以用作語(yǔ)音同一認(rèn)定的鑒定。 C軟件契合程度一般，不適宜直接用作同一認(rèn)定的鑒定。

假說(shuō)演繹實(shí)驗(yàn)的結(jié)果表明，目前市面上的變聲軟件按照變聲的基本方法來(lái)看可以分為兩種：一種是以基頻為主導(dǎo)通過(guò)調(diào)節(jié)基頻便可以改變與恢復(fù)聲音；另一種則是擁有更為復(fù)雜的算法，單單調(diào)節(jié)基頻無(wú)法得到“恢復(fù)”語(yǔ)音。我們可以根據(jù)不同軟件的“變聲”原理，找到可以處理電子偽裝語(yǔ)音的通解，推廣應(yīng)用到一線公安工作，為一線偵查工作處理類似案件提供新思路新戰(zhàn)法。

3 實(shí)驗(yàn)分析與討論

3.1 變聲規(guī)律的探究

(1)綜合以上對(duì)變聲、恢復(fù)語(yǔ)音的審聽(tīng)效果及其聲學(xué)特征變化數(shù)據(jù)統(tǒng)計(jì)可知，4款變聲軟件的變聲都使聲音的音色、音調(diào)發(fā)生了變化，在聽(tīng)覺(jué)上與原聲在性別、年齡上有較大的差異。不同軟件提高或降低說(shuō)話人音調(diào)的比例并不完全一致。聲學(xué)特征上，基頻、共振峰相應(yīng)地提高或降低，音長(zhǎng)不變，音強(qiáng)基本不變。各音節(jié)音強(qiáng)降低的比率有微小差異。

(2)本次實(shí)驗(yàn)的4款軟件中，有3款軟件其變聲規(guī)律是通過(guò)改變基頻同時(shí)引起共振峰頻率改變來(lái)變聲，通過(guò)“Adobe Audition CC 2019”軟件對(duì)音調(diào)提高或降低相應(yīng)的比例，可以得到與原聲契合較好的“恢復(fù)語(yǔ)音”，測(cè)出的“恢復(fù)聲”的聲學(xué)參數(shù)也與原聲較為接近，絕大多數(shù)聲學(xué)參數(shù)可用做語(yǔ)音同一認(rèn)定。

3.2 變聲恢復(fù)方法的討論

(1)目前市面上的變聲軟件多含有自定義選項(xiàng)，同一個(gè)方向的變聲方向(如女聲轉(zhuǎn)男聲)也有很多選項(xiàng)，選用不同的變聲選項(xiàng)基頻變化的比率也會(huì)不同。雖然沒(méi)有固定的變化頻率，但是在偵查工作中，可先對(duì)嫌疑人進(jìn)行原聲樣本的錄制，調(diào)節(jié)至相應(yīng)的變聲檢材樣本的基頻參數(shù)。若二者在聽(tīng)覺(jué)上相近，則可初步縮小范圍。

(2)本文提出一種基于基頻來(lái)恢復(fù)電子偽裝語(yǔ)音的方法，利用Adobe Audition等音頻編輯軟件對(duì)變聲提高或降低相應(yīng)的比例，再對(duì)聲音進(jìn)行一些修補(bǔ)，一般情況下可以得到與原聲契合程度較好的恢復(fù)聲。實(shí)驗(yàn)中的4款軟件有3款變聲軟件的電子偽裝語(yǔ)音可以實(shí)現(xiàn)較好的復(fù)原，而本次實(shí)驗(yàn)所選用的軟件是目前下載量和應(yīng)用量均較為廣泛的幾款軟件，說(shuō)明此法可以對(duì)市面上絕大部分的變聲軟件形成的電子偽裝語(yǔ)音進(jìn)行處理與還原，具有很好的實(shí)踐意義。同時(shí)，加之操作的便捷性，將此法應(yīng)用到一線公安工作中，具有極大的可行性。

4 結(jié)論

本文對(duì)幾款主流的變聲軟件的偽裝語(yǔ)音進(jìn)行比對(duì)與分析，探究了目前市面上常見(jiàn)的變聲軟件的變聲規(guī)律，同時(shí)提出了一種還原偽裝語(yǔ)音的方法，利用音頻編輯軟件對(duì)基頻進(jìn)行相應(yīng)比例的調(diào)整。實(shí)驗(yàn)證明，此法對(duì)于所選取的4款軟件中的3款具有較好的恢復(fù)效果，尤其是在偽裝語(yǔ)音與原聲在聽(tīng)覺(jué)效果上相差較大時(shí)依然可以得到較好的恢復(fù)效果，說(shuō)明此法適用于市面上較多數(shù)的變聲軟件，這也為公安實(shí)戰(zhàn)中基于偽裝語(yǔ)音案件的解決提供了一種新的思路。