曾繁祥 楊璐銘 扶 楠 廖云根

（1.梅州市公安局刑警支隊(duì)，廣東 梅州 514000 2.廣東省公安廳刑事技術(shù)中心，廣東 廣州 510000）

聲紋原指借助有關(guān)科學(xué)儀器分析、顯示出來(lái)的語(yǔ)音的圖像，即語(yǔ)音的頻譜圖。聲紋現(xiàn)指作為訴訟證據(jù)的聲音特征的集合［1］。聲紋識(shí)別是一種語(yǔ)音識(shí)別技術(shù)，它的特點(diǎn)在于該技術(shù)并不分析語(yǔ)音的內(nèi)容，只在意說(shuō)話人的身份，其原理是為每個(gè)說(shuō)話人建立一個(gè)聲紋模型，先將語(yǔ)音信號(hào)中能反映說(shuō)話人身份特征的個(gè)性特征參數(shù)提取出來(lái)，再進(jìn)行一定的處理后，然后按一定規(guī)則加以匹配，從而確認(rèn)或鑒別出說(shuō)話人的身份。

隨著技術(shù)的進(jìn)步，犯罪手段也在不斷創(chuàng)新，變聲器等各種干擾手段層出不窮，影響了部分語(yǔ)音的質(zhì)量，導(dǎo)致識(shí)別比對(duì)效果欠佳。筆者在辦案過(guò)程中，發(fā)現(xiàn)不少語(yǔ)音存在背景噪聲、偽裝等可能影響比對(duì)效果的現(xiàn)象。

1 實(shí)驗(yàn)?zāi)康?/h2>

為研究不同的念讀狀態(tài)、背景噪聲、偽裝、情緒狀態(tài)等因素對(duì)聲紋識(shí)別技術(shù)的影響，本文利用小樣本數(shù)據(jù)，針對(duì)其中的三類影響因素進(jìn)行初步研究：一是被試念讀的距離與狀態(tài)，二是被試念讀時(shí)的背景噪音，三是人聲語(yǔ)音疊加。

2 使用工具

訊飛聲紋采集設(shè)備（V2.0）；真我手機(jī)自帶的錄音功能；國(guó)音智能聲紋鑒定專家系統(tǒng)（V2.10.5）；MixPad 多軌道混音軟件（V10.24.CN）；采集的實(shí)驗(yàn)語(yǔ)音與樣本語(yǔ)音采樣率均為16000Hz；不同被試均使用統(tǒng)一的念讀文本；參與實(shí)驗(yàn)的被試：樣本1 ～3 為男性，樣本4 ～5為女性。

3 實(shí)驗(yàn)過(guò)程和結(jié)果

3.1 實(shí)驗(yàn)一

在安靜的語(yǔ)音環(huán)境下，使用真我手機(jī)錄制以下實(shí)驗(yàn)樣本語(yǔ)音：

3.1.1 不同的被試距離：真我手機(jī)10cm（近距離）、50cm、100cm 三種距離進(jìn)行念讀。

3.1.2 不同的被試分別進(jìn)行快速、慢速念讀。由于每名被試本身語(yǔ)速存在差異，因此快速、慢速念讀的速度均為相對(duì)值。

3.1.3 不同的被試分別偽裝（捏鼻子）念讀。

3.1.4 不同被試均錄制10s 的短時(shí)長(zhǎng)念讀語(yǔ)音。

3.1.5 不同被試均使用客家方言念讀。

3.1.6 不同被試在不同情緒狀態(tài)下進(jìn)行念讀。

3.1.7 實(shí)驗(yàn)結(jié)果。分別將實(shí)驗(yàn)語(yǔ)音與被試正常念讀的樣本語(yǔ)音導(dǎo)入國(guó)音智能聲紋鑒定專家系統(tǒng)（V2.0），采樣率均設(shè)置為16000Hz。利用系統(tǒng)自帶的聲紋比對(duì)功能，對(duì)不同的實(shí)驗(yàn)語(yǔ)音與樣本語(yǔ)音進(jìn)行比對(duì)識(shí)別，觀察分值的差異（百分制）。結(jié)果如表1 所示。

表1 實(shí)驗(yàn)一結(jié)果

從表1 可以看出，遠(yuǎn)距離（50cm）、快、慢速念讀、語(yǔ)音時(shí)長(zhǎng)因素對(duì)聲紋識(shí)別分值干擾較?。贿h(yuǎn)距離（100cm）、方言、偽裝（捏鼻子）、情緒對(duì)聲紋識(shí)別分值影響較大。遠(yuǎn)距離（100cm）使聲音變得微弱，對(duì)聲紋特征產(chǎn)生了顯著影響，降低了識(shí)別的分值。方言是人們從小習(xí)得的母語(yǔ)，經(jīng)過(guò)多年聽(tīng)、說(shuō)的沉浸，一個(gè)人的聽(tīng)覺(jué)、發(fā)音器官的神經(jīng)和肌肉已形成定勢(shì)，方言部分音的發(fā)音方式與普通話發(fā)音方式存在明顯差別，因此造成方言的實(shí)驗(yàn)語(yǔ)音與普通話樣本識(shí)別比對(duì)分值差別大。捏鼻子的偽裝方式改變了鼻腔共鳴模式，影響了個(gè)體聲音特征，導(dǎo)致比對(duì)分值差別大。不同情緒會(huì)影響聲音的頻率、強(qiáng)度、韻律、語(yǔ)速和語(yǔ)調(diào)等特征，高亢的情緒使聲音變得更高更快、更尖銳、更強(qiáng)烈；低沉的情緒會(huì)使聲音變得更低、更柔和、緩慢，因此聲紋特征變得不穩(wěn)定，會(huì)對(duì)聲紋識(shí)別比對(duì)產(chǎn)生明顯的影響。但在偽裝（捏鼻子）、情緒低落的實(shí)驗(yàn)語(yǔ)音比對(duì)結(jié)果中發(fā)現(xiàn)男性被試比對(duì)分值影響顯著，女性被試比對(duì)分值影響較小，可能與個(gè)體部分語(yǔ)音特征相關(guān)，由于樣本數(shù)量有限，有待進(jìn)一步研究。

3.2 實(shí)驗(yàn)二

將日常生活中常見(jiàn)的背景噪音，利用MixPad 多軌道混音軟件（V10.24.CN）疊加入樣本語(yǔ)音，合成導(dǎo)出為實(shí)驗(yàn)語(yǔ)音，疊加參數(shù)如圖1 所示，研究多變背景環(huán)境音對(duì)聲紋識(shí)別的影響。

圖1 實(shí)驗(yàn)語(yǔ)音疊加參數(shù)

3.2.1 疊加背景音樂(lè)，音樂(lè)類型為平緩的無(wú)人聲音樂(lè)。

3.2.2 疊加風(fēng)噪聲。

3.2.3 疊加電視播放聲，播放內(nèi)容為紀(jì)錄片。

3.2.4 疊加物體摩擦、敲擊聲。

3.2.5 實(shí)驗(yàn)結(jié)果。分別將實(shí)驗(yàn)語(yǔ)音與被試正常念讀的樣本語(yǔ)音導(dǎo)入國(guó)音智能聲紋鑒定專家系統(tǒng)（V2.0），采樣率均設(shè)置為16000Hz。利用系統(tǒng)自帶的聲紋比對(duì)功能對(duì)不同的實(shí)驗(yàn)語(yǔ)音與樣本語(yǔ)音進(jìn)行比對(duì)評(píng)分，觀察分值的差異（百分制）。結(jié)果如表2 所示。

表2 實(shí)驗(yàn)二結(jié)果

從表2 可以看出，疊加背景音樂(lè)、風(fēng)噪聲、電視播放聲、物體摩擦敲擊聲等加性噪音均會(huì)對(duì)聲紋識(shí)別產(chǎn)生明顯的影響。加性噪音［2］會(huì)影響原始語(yǔ)音的特征，在提取特征時(shí)，特征也會(huì)受到噪音的影響；噪音還會(huì)引起語(yǔ)音質(zhì)量下降，使其模糊、失真；噪音與原始語(yǔ)音信息混合在一起，會(huì)導(dǎo)致語(yǔ)音信噪比下降，使聲紋識(shí)別系統(tǒng)難以分辨語(yǔ)音信號(hào)和噪音信號(hào)，進(jìn)而影響聲紋識(shí)別評(píng)分的準(zhǔn)確率。

3.3 實(shí)驗(yàn)三

采用MixPad 多軌道混音軟件（V10.24.CN）將2 名不同被試在安靜的語(yǔ)音環(huán)境下采集的實(shí)驗(yàn)語(yǔ)音與樣本語(yǔ)音進(jìn)行疊加，并從疊加語(yǔ)段中隨機(jī)選取2min 時(shí)長(zhǎng)的語(yǔ)音，合成導(dǎo)出為實(shí)驗(yàn)語(yǔ)音，疊加參數(shù)如圖1 所示，與其原始樣本語(yǔ)音的識(shí)別分值進(jìn)行分析比對(duì)。

3.3.1 同一被試在樣本語(yǔ)音與實(shí)驗(yàn)語(yǔ)音中念讀的是不同的文本。

3.3.2 為了研究女性與女性聲音的疊加，增加了女性被試5。

3.3.3 實(shí)驗(yàn)結(jié)果

分別將實(shí)驗(yàn)語(yǔ)音與被試正常念讀的樣本語(yǔ)音導(dǎo)入國(guó)音智能聲紋鑒定專家系統(tǒng)（V2.0），采樣率均設(shè)置為16000Hz。利用系統(tǒng)自帶的聲紋比對(duì)功能對(duì)不同的實(shí)驗(yàn)語(yǔ)音與樣本語(yǔ)音進(jìn)行比對(duì)評(píng)分，觀察分值的差異（百分制）。結(jié)果如表3 所示（標(biāo)紅的數(shù)據(jù)為同一人疊加比對(duì)分?jǐn)?shù)）。

表3 實(shí)驗(yàn)三結(jié)果

從表3 的實(shí)驗(yàn)數(shù)據(jù)可以看出，疊加他人語(yǔ)音后的實(shí)驗(yàn)語(yǔ)音與原樣本語(yǔ)音相比，分值均有降低，其中疊加他人語(yǔ)音后樣本1、3、4 比對(duì)分值下降較明顯，這是由于一個(gè)人說(shuō)話的語(yǔ)音信號(hào)被另一個(gè)人所覆蓋，干擾了系統(tǒng)對(duì)聲紋特征的提取和匹配，從而影響聲紋識(shí)別的準(zhǔn)確性。雖然有他人的語(yǔ)音疊加，但是樣本2 的比對(duì)分值下降相對(duì)較小，樣本1 的分值下降顯著，說(shuō)明聲紋識(shí)別度并不是一成不變的，而是與自身語(yǔ)音在混合音中的強(qiáng)度有關(guān)，自身語(yǔ)音被他人說(shuō)話聲淹沒(méi)程度低的，則自身語(yǔ)音被識(shí)別程度高，反之，自身語(yǔ)音淹沒(méi)程度高的，被識(shí)別程度就低。

此外，從實(shí)驗(yàn)結(jié)果可以看出，同一被試疊加了他人語(yǔ)音后，明顯降低了識(shí)別比對(duì)分值。但無(wú)論是男女疊加、男男疊加或女女疊加后，識(shí)別比對(duì)所降低的分差之間的差異都不明顯，這說(shuō)明在該算法下，只要混合了他人語(yǔ)音均會(huì)降低識(shí)別比對(duì)分?jǐn)?shù)，但分?jǐn)?shù)的下降程度與所混合語(yǔ)音的性別無(wú)關(guān)。

4 總結(jié)

通過(guò)上述三個(gè)實(shí)驗(yàn)可以得出，念讀狀態(tài)、背景噪聲、語(yǔ)音疊加等因素對(duì)聲紋識(shí)別技術(shù)有明顯影響，但是程度各有不同。例如在實(shí)驗(yàn)三中，樣本1說(shuō)話人識(shí)別分值受語(yǔ)音疊加的影響顯著，樣本3 的說(shuō)話人無(wú)論在實(shí)驗(yàn)二、實(shí)驗(yàn)三中，受實(shí)驗(yàn)因素影響相對(duì)不大，比對(duì)分?jǐn)?shù)較穩(wěn)定。說(shuō)明有的人存在部分不易受外界影響較穩(wěn)定的聲紋特征，同時(shí)部分人的聲紋特征容易被影響受波動(dòng)，此外還可能與特征算法相關(guān)。由于這次實(shí)驗(yàn)樣本較少，有待進(jìn)一步擴(kuò)大樣本深入研究。

通過(guò)以上實(shí)驗(yàn)數(shù)據(jù)可知，實(shí)際案件中的語(yǔ)音存在著遠(yuǎn)距離說(shuō)話、各種情緒狀態(tài)、偽裝說(shuō)話、背景噪音、多人語(yǔ)音疊加等各種情況影響，對(duì)目標(biāo)人物的聲紋識(shí)別造成一定干擾。針對(duì)上述較低質(zhì)量的語(yǔ)音，在進(jìn)行聲紋識(shí)別比對(duì)前，可以將低質(zhì)量的語(yǔ)音進(jìn)行優(yōu)化清洗，進(jìn)而提升語(yǔ)音識(shí)別度，例如：（1）對(duì)于錄制設(shè)備離聲源較遠(yuǎn)距離、能量較低的語(yǔ)音進(jìn)行增益調(diào)節(jié)來(lái)提升語(yǔ)音的識(shí)別度；（2）對(duì)于存在較多背景噪音的語(yǔ)音，可以將語(yǔ)音的背景噪音刪除，若噪音與目標(biāo)人無(wú)法分離，可對(duì)背景噪音進(jìn)行降噪處理［3］，適當(dāng)?shù)叵魅醣尘霸胍簦唬?）對(duì)于多人說(shuō)話音，可先對(duì)語(yǔ)音進(jìn)行分離分類，后將目標(biāo)人物分離后的語(yǔ)音聚類后再進(jìn)行聲紋比對(duì)；（4）分析評(píng)判時(shí)需要結(jié)合考慮特定情緒因素下的語(yǔ)音特征，提高識(shí)別精確度。