司法言语声学综述 - 山西警察学校司法鉴定中心

摘要二十世纪三十年代以来，一个崭新的科学领域越来越受到人们的重视，这就是利用人的语音进行个人同一性鉴定的话者识别技术。经过半个多世纪的发展，该技术已逐步发展成较为成熟的一门新兴学科。本文将对该学科的发展及名称沿革等进行综述。

当代著名模糊数学专家扎特说过：“为一个学科寻找一个名称和发现一个新生事物同样困难。” 因为学科的称谓是受学科的研究内容制约的。时至今日，与话者识别相关的技术在我国已经历了二十余年的研究与应用，该技术也正在为广大司法人员与公民所了解。但理论界对该项技术却存在着多种称谓。这既不利于该技术的推广，也不利于学者之间的交流与合作。本文将结合该学科的发展史，参照当前国际上的各种称谓，并结合我国目前的研究现状，推究我国对该技术的称谓。

话者鉴别即利用说话的声音进行说话人的鉴定识别。实际上话者鉴别的最初尝试可能比有文字记载的历史还要早许多年，在其后的若干世纪里，人们继续进行着这种努力。话者鉴别作为—种司法实践，在西方已有数百年历史，那时完全依赖于人的听觉鉴别。听觉鉴别的证据既有个别案例被法庭采纳，又有不同观点的争论。

一般认为最早利用声音推断罪犯的案例是三百多年前由英格兰法庭作出的。在1660年英国查理（Charlie）二世死亡案中，一位名叫维廉·赫莱特（William Hulet）的证人，利用说话的声音辨听出被告。法庭采纳了他的听觉鉴别的证据。后来这样的证据被美、英两国的法庭所接受。例如，早在1907年美国佛罗里达州的一起特殊案件中，一个受害者从没见过、不认识的混血儿强奸犯作为被告受审。当受害者听辨被告说过的两句话：“我现在得到了你”、“我不要你的钱”时，认定强暴她的人就是被告。法庭予以采证并据此作出判决[1]。

现代的司法话者鉴别是在现代语音学理论和电声技术的基础上，由于案件侦查、法庭诉讼等司法实践对语音证据的迫切需要而产生并逐渐发展起来的。

1876年贝尔（A·G·Bell）发明了电话，实现了声音的传输。“千里耳”的幻想成为现实。第二次世界大战期间，军事通讯要求提高电话线路的传输效率，推动了“最小载讯单元”的研究。得出元音最小载讯单元是两、三个共振峰。1877年爱迪生发明了留声机，1898年丹麦科学家蒲尔生（V·Peulsen）发明了世界上第一台录音机，实现了声音的电磁记录和保存。第二次世界大战前后“高保真度”的录、放音技术得到发展。1963年荷兰菲利浦公司研制出盒式录音机，使声音的记录和保存更加简便。

1941年—1944年美国贝尔实验室的博特( R·K·Potter)出于使聋人看图识音的目的，研究了把语音用图形描绘出来的声谱仪，把可听不可见的言语转化为可听可见的图谱。

话者鉴别从社会科学体系上可归属于语音学范畴。语言学发展到现代语言学阶段，出现了许多分支学科。特别是现代语音学、心理语音学和社会语言学等分支学科，在20世纪40年代以后取得长足的进步，为司法话者鉴别的产生奠定了理论基础。

现代话者鉴别包括听觉鉴别和视觉鉴别，它们分别出现于二十世纪30年代和60年代。听觉鉴别的科学研究首先是在心理学界进行的。在1932年美国军人飞行家林德伯格之子被绑架案中，林德伯格两年后利用听觉鉴别指认出被告。这个听觉鉴别引起了心理学家佛朗西丝·麦克吉海（Frances McGehee）的兴趣。她对听觉鉴别进行了心理学的研究。1937年发表了她的研究报告《人类话音鉴别的可靠性》（The Reliability of the Identification of the Human Voice）。此后许多心理学家对包括长、短时记忆，声样长度，单独、连读叙说和听者的鉴别能力等听觉实验作了大量的研究工作（到六十年代美国研究论文就有40篇左右），得出了很多规律性的认识。至今听觉鉴别仍然是话者鉴别的方法之一。

语音视觉鉴别是在声谱仪出现后的第二次世界大战以后出现的。五、六十年代的美国，由于现代通讯技术的推广普及，电话深入各行各业、各家各户。与此同时，违法犯罪分子也利用它，特别是在绑架拐骗人质索取钱财、敲诈勒索、恐吓诽谤和爆炸等案件中更多地使用电话。有人称之为“电话犯罪”。在这些犯罪中留下的唯一线索往往是犯罪人的电话录音。如何利用比较电话录音和嫌疑人的话音去鉴别罪犯便被迫切地提到法庭科学的面前。

话者鉴别相关技术在发展的初期被称为声纹鉴定（Voiceprint Identification）。所谓“声纹”是指通过电声学仪器显示出来的，携带言语信息的各种声波图谱的通称。由于声谱仪发明后能显示等强曲线，类似于地貌学中的等高线，与指纹相似，有人便称之为“声纹”，意在表明声纹与指纹类似，具有人各不同的特点。声纹鉴定（Voiceprint identification）在美国的定义为“运用听觉的（听音的）与声谱仪的（仪器的）方法，对一个或多个已知嗓音同一个未知嗓音进行比对，以认定（说话人）是否同一的一个综合过程 ”〔a combination of both aural (listening) and spectrographic (instrumental) comparison of one or more known voices with an unknown voice for the purpose of identification or elimination[2]〕。其最初的首要内容是司法话者鉴别。首先进行声纹鉴定研究的是发明声谱仪的博特所在的美国贝尔实验室的劳伦斯·G·克斯特（Kersta.L.G.）。他受司法当局委托利用声谱仪的图谱匹配进行话者鉴别的研究，于1962年发表了名为《声纹鉴定》（Voiceprint Identification）的研究报告[3]。这标志着声纹鉴定的诞生。在研究利用录音中语音的进行话者鉴别的同时，案件的侦查、审判工作还要求解决录音的其他课题，诸如，录音是否经过剪辑；能否根据录音提供话者的年龄、所在地区、文化水平、职业特点等人身情况；录音中模糊不清的内容辨识等等。另外,在利用声谱仪进行的声纹鉴定出现后不久，利用计算机进行的话者自动识别系统开始研究、应用。目前，美国、以色列等国不仅在司法诉讼领域对该技术应用的较为广泛，还把话者自动识别技术应用到军事、安防等领域。

从二十世纪六、七十年代开始，日、俄、英、法、德、印度、古巴、乌克兰、罗马尼亚等国先后开展了司法话者鉴别相关技术的科学研究和办案实践。目前，在美国除F B I系统和许多州立大学研究外，甚至有1 5家私人机构进行有关的鉴定工作。1981年5月在美国密执安州成立了国际嗓音鉴别协会( I A V I)。这就推动了研究领域的不断扩大。研究内容的发展又使得该学科的称谓不断更新，以致于出现了多种名称并存的局面。目前，国外与声纹鉴定有关或由声纹鉴定所发展成的学科、服务科研机构的称谓主要有嗓音鉴别（Voice Identification）、司法嗓音鉴别（Forensic Voice Identification ）、司法语音学（Forensic Phonetics）、犯罪声学（The Acoustics of Crime）、声音司法分析（Audio Forensic Analysis）、司法声音实验室（Forensic Audio Lab）、司法声音实验室（Forensic Audio Lab）、司法语言学（Forensic Linguistics）、声音法学（Audiolex）、司法言语声学（ForensicSpeech and Audio）等。其研究内容包括有噪录音的问题、语音的解译与翻录、磁带录音的真实性、录像的真实性、话者识别、声纹检验鉴定、言语识别、半自动话者鉴别（SAUSI）、心理压力与精神病的声学表现、谎言检测者、仪器与声音效果、语言分析、计算机犯罪等。

由于我国录音器材和电话通讯的发展和应用较晚，所以我国的话者鉴别相关技术起步也晚。其源引于美国的Voiceprint Identification，最初也主要解决话者鉴别，是我国刑事科学技术工作中的一项新技术。八十年代末，中国刑警学院和公安部第二研究所分别引进美国KAY公司的7800和5500声谱仪，开展声纹鉴定的科研和办案实践。天津市人民检察院、南京市公安科研所和上海市公安局技术处分别开展了计算机语图仪和说话人计算机自动识别系统的研制。1992年以来司法部司法鉴定研究所、最高人民检察院技术局先后引进5500声谱仪，开展声纹鉴定的科研和办案实践。1996年修订的刑事诉讼法将视听资料规定为第七种证据，极大地推动了声像物证技术的发展。政法各部门相继开展司法言语声学检验工作，检察系统专门成立视听资料检验室。目前在公安、检察、法院和司法系统以及军队保卫部门，开展有关科研和办案的省、市已超过25个。政法系统外，北京大学、清华大学、中国科学院声学研究所、邮电大学、海军装备中心、国家安全部十三局、空军第一研究所等科研院所、高等院校开展了计算机语图仪和话者自动识别系统有关的科学研究和应用。当前，我国在该领域的主要研究与应用内容包括：

与我国在该领域的研究实践相适应，人们对其的称谓也在不断发展。最初从美国引入该技术时称之为声纹鉴定，后来参照国外的模式曾出现了司法语音学、司法声学等称谓。公安部物证鉴定中心的崔效义研究员根据我国目前在诉讼领域的具体运用情况，结合国内外的各种称谓，把该学科命名为司法言语声学。其认为，司法言语声学（Forensic Speech And Audio）是研究如何运用现代语音学、社会语言学、声学、电磁学、计算机技术等理论，对视听资料中的语音等声音进行处理、检验、鉴别，以证明其与案件事实关系的学科和技术，是法庭科学的一门新兴分支学科。它是法律、言语学和声学的边缘学科，是涉及诉讼法学、实验语音学、社会语言学、心理学、电磁声学、语音信号技术等学科的综合性应用科学技术[4]。其基本含义是研究与各种诉讼活动有关的语音及相关声音的应用技术。之所以这样称呼，言下之意是在于强调该学科是研究与语音（言语声音）相关的声学问题。“司法”两字强调该学科的服务对象。 “言语”在此强调两层意思：一是强调我们所研究的只是与（语音）言语声音相关声学问题，而不是泛泛的声学。因为声学是物理学中当前最活跃的学科之一，它的“分支”目前已超过20个（如大气声学、水声学、地声学、超声学、微波声学等等），并且还有新的分支在不断生长的趋势。二是强调我们不仅仅是对言语的声音部分进行分析，还要对言语的内容进行分析。

之所以不用司法语音学是因为语音学只研究言语的声音而不研究言语的内容。不用司法语言学，是因为语言学是对语言科学地进行研究的学科（science study of language）。它包括语音学、音系学、形态学、语用学、语义学等分支。在此，语言（language）是社会的、抽象的。而我们在诉讼中所应用的是个人运用语言的具体结果——言语。尽管言语既包括言语的声音（语音）又包括言语的内容，但由上面的研究应用范围就可以看出运用司法言语学也无法包容其外延。

1、丁宁译《嗓音鉴别的理论与实践》群众出版社 1989年5月第一版

3、崔效义李敬阳等《声纹鉴定讲义》（内部发行）公安部物证鉴定中心 2001年3月。

4、吴宗济林茂灿主编《实验语音学概要》高等教育出版社 89年1月第一版

5、《语音变异性研究报告》（内部发行）公安部物证鉴定中心 2001年3月

6、The Acoustics of Crime,Harry Hollien,A Division of Pubilishing Corporation,1990

9、张建国等《现代语言学》中华工商联合出版社 2000年7月第一版

[1] 崔效义李敬阳等《声纹鉴定讲义》（内部发行）公安部物证鉴定中心 2001年3月

[2]《Voiceprint Identification》 Applied Forensic Technologies Int'l., Inc. 网站

[3]崔效义李敬阳等《声纹鉴定讲义》（内部发行）公安部物证鉴定中心 2001年3月

[4] 崔效义《司法言语声学》课件