賈麗文

（中國政法大學(xué) 研究生院，北京100088）

我國從1989年第一起運用語音鑒定的案件至今，聲紋鑒定逐步從單一依靠圖譜比對分析，發(fā)展成綜合運用嗓音音質(zhì)、言語特征和頻譜數(shù)據(jù)的多種定性定量分析，一步步揭開了其神秘面紗，使聲紋鑒定日趨規(guī)范化和標(biāo)準(zhǔn)化。伴隨對語音、語言研究的深入，以及語音處理軟件的升級換代，有的鑒定者在聲紋鑒定中，多依賴于頻譜的分析和數(shù)據(jù)的提取及處理上，卻忽視了鑒定中聽音過程，或減少了聽音次數(shù)。然而，聽音才是聲紋鑒定之王，只有在聽音基礎(chǔ)上的分析和判斷，才能成為聲紋鑒定的正確導(dǎo)向。

一、聽音與聲紋鑒定

（一）聽音與聲紋鑒定的關(guān)系

目前使用的聲紋鑒定方法，主要是通過語圖儀或語音工作站實現(xiàn)語音聲學(xué)特征比對進(jìn)行鑒定。聲紋鑒定的步驟，主要是“聽-看-測-析”?！奥牎奔绰犚簦翱础保ㄍㄟ^語圖觀察特定音節(jié)的各方面形態(tài)特征）、“測”（對各方面特征參數(shù)的定量檢測）、“析”（綜合分析判斷）都是在“聽”的基礎(chǔ)之上進(jìn)行。

聽音，就是聽辨檢材和樣本的全部語音材料，對有關(guān)方言、語音速度、言語習(xí)慣、鼻音輕重、音高、變音、變調(diào)、節(jié)奏、聲源譜特性（聲音的厚薄、余音的強弱）、清晰度、流暢度、口頭語、贅語、虛詞、言語缺陷（口吃、大舌頭等），以及是否偽裝等進(jìn)行辨別。此外，還要聽辨語義、詞匯、語法及其表達(dá)方式的異同。

聽音是聲紋鑒定的首要步驟，也是聲紋鑒定的必經(jīng)程序，聲紋鑒定離不開聽音這一過程。離開聽音，僅僅依靠對語圖的觀察和特征參數(shù)的測量，將使聲紋鑒定變得沒有方向，會浪費大量的鑒定資源，得出不可靠的鑒定意見。

（二）聽音在聲紋鑒定中的重要作用

1.決定了聲紋鑒定的方向。在一段語料中，并不是所有的詞語和音節(jié)都有鑒定價值。聽音是對整體語料的感知，同時也是對特征音節(jié)的篩選，進(jìn)而對語圖分析和參數(shù)測量有了方向和依據(jù)。

2.有助于得出正確的鑒定結(jié)論。不同的軟件和算法的選擇及不同的參數(shù)設(shè)置，會造成“同一”的假象，再使用聽音進(jìn)行判斷和檢查，假象就會露出破綻，避免單一依靠語圖和數(shù)據(jù)帶來的鑒定失誤。

3.有助于彌補現(xiàn)有技術(shù)對語圖和參量數(shù)據(jù)無法反映的語音特征。人類對聲紋鑒定技術(shù)的認(rèn)識仍處在不斷的深化之中，現(xiàn)有的鑒定技術(shù)難免有其系統(tǒng)性的弊端。好在人的聽覺感知系統(tǒng)與生俱來且功能強大，其奧妙之處，就在于人們能感知檢材與樣本是否為同一人所說。

二、聽音重要性的原因

（一）聲紋鑒定的理論基礎(chǔ)反映了聽音的必然性

刑事物證鑒定的一般理論，揭示了被鑒定客體具有特定性、穩(wěn)定性和反映性。聲音之所以可進(jìn)行話者的同一認(rèn)定，亦是依賴聲音的特定性、穩(wěn)定性和反映性，其中最主要的是聲音的特定性。聲音的特定性，首先表現(xiàn)在語音產(chǎn)生的生理機制上，即人呼吸器官的生理結(jié)構(gòu)、聲帶的生理結(jié)構(gòu)（包括質(zhì)量、幾何形狀、勁度、周圍肌群等）、聲道的生理結(jié)構(gòu)（包括長度、截面積、機能等）；其次表現(xiàn)在話者的言語習(xí)慣定型，即話者言語的社會性，話者處在一定的社會環(huán)境和社會條件下，會形成獨特的言語搭配習(xí)慣和語音表達(dá)習(xí)慣（如：方言）。因此，聲音的特定性不是單一的生理結(jié)構(gòu)特點或是話者的語言習(xí)慣定型決定的，而是二者結(jié)合的結(jié)果，導(dǎo)致聲紋鑒定比指紋鑒定、筆跡鑒定更加復(fù)雜，影響鑒定的因素也更加多樣化。無論是指紋鑒定還是筆跡鑒定，都是直觀的檢材和樣本的比對，而聲音之所以能進(jìn)行比對，是依賴將聲音轉(zhuǎn)化為語圖。然而，不同的軟件所轉(zhuǎn)化的語圖，會因其自身的屬性或參數(shù)設(shè)置的不同而丟失，或者無法反映一些語音信息，使反映語音生理特點的特定性產(chǎn)生偏差。因此，語圖的比對要以聽音為基礎(chǔ)，排除聽音以單一語圖比對將會產(chǎn)生錯誤。而對于話者言語習(xí)慣定型的特定性的反映，聽音是最好的選擇。話者是否有地方口音，是否有特殊的詞語搭配習(xí)慣，幾乎一聽便知。

（二）聽音者自身所具備的聽覺特性反映其特有的功能性

在日常生活中，人們能很輕易地辨別出家人、朋友、同事的聲音，甚至當(dāng)對方在憤怒、哭泣、大聲喊叫、使用方言時，也能很快地辨別出是某人發(fā)出的聲音，而不是他人發(fā)出的聲音。就是很多年沒有交往的朋友，接電話聽到聲音時還能聽辨出對方是誰。甚至對不熟悉的陌生人其少年時和老年期說同樣一段話，人們也能分辨出哪個是其少年時所說，哪個是其老年期所說。這種先天具有的功能，源于人類自身所具備的聽覺系統(tǒng)。人類的聽覺系統(tǒng)既是靈敏的聲音接收系統(tǒng)，也是高度的語音綜合分析系統(tǒng)。

人類的聽覺系統(tǒng)對聲音具有很強的解析、綜合和分析判斷能力，聽覺系統(tǒng)的這些能力和特點總稱為聽覺特性。聽覺特性可進(jìn)一步細(xì)分為聲學(xué)感受性和主觀感受性。聲學(xué)感受性可通過各種聲學(xué)參數(shù)（如：頻率）來表述。但是，主觀感受性在聲紋鑒定研究中，要想如聲學(xué)感受性一樣得以量化表示和衡量，還有很長一段路要走。此外，就音質(zhì)和音色而言，人類的聽覺系統(tǒng)具有奇妙的感知能力，人們能夠輕易地區(qū)分不同人的聲音且不混淆，就是聽覺具有差別感受性。也正是聽覺的差別感受性，使聲音鑒定有據(jù)可循，最早的話者識別，就是依靠聽音來完成。因此，聽音在聲紋鑒定中具有其得天獨厚的優(yōu)勢，它是人類的聽覺系統(tǒng)與生俱來的，任何工具不可替代。

（三）語音的特性反映了感知過程的惟一性

人類的生活離不開語言。語言是生理現(xiàn)象、心理現(xiàn)象和社會現(xiàn)象三者的結(jié)合和統(tǒng)一。語音的生理性、心理性和社會性構(gòu)成了語音的特性。言語交流實際上是一系列生理、心理、物理轉(zhuǎn)換的復(fù)雜過程，它可分為發(fā)音、傳遞和感知三個階段。發(fā)音和傳遞在聲紋鑒定過程中是既定的，而感知過程是語音通過聽音者聽覺系統(tǒng)獲得專一信號，這是一個從生理現(xiàn)象到心理現(xiàn)象的轉(zhuǎn)換過程，它具有很強的獨立性。正因如此，依據(jù)同樣一段語圖進(jìn)行聽音，有些人聽后可得出同樣的結(jié)論，有些人聽后則得出不同的結(jié)論。之所以會產(chǎn)生這樣的情況，源于不同的人有不同的感知過程。在這種情況下，不僅要重視語圖和參量數(shù)據(jù)，更要加強反復(fù)聽音和多次聽音。理由很簡單：這種差異根本沒有反映在語圖上！正如筆跡鑒定尋找差異點需要反復(fù)比對一樣，聲紋鑒定也需要反復(fù)地聽音來尋找差異點，尤其在聲紋鑒定還沒有成熟化的今天，聽音更不可捨棄。

（四）現(xiàn)有的鑒定技術(shù)反映了聽音的可靠性

目前，聲紋鑒定主要使用語音學(xué)分析法，即綜合運用嗓音音質(zhì)、口頭語言和頻譜等特征綜合評斷的一種方法。此外，還有聲紋自動識別法和綜合方法（即語音學(xué)分析法和聲紋自動識別法相結(jié)合的方法）。鑒定方法的發(fā)展在逐步信賴科學(xué)技術(shù)的同時，也很自然地逐步鞏固了聽音的重要地位。因為：

1.對現(xiàn)有科學(xué)技術(shù)的認(rèn)識存在局限性。在聲紋鑒定中，最重要的一點是對共振峰的提取，這方面的研究已經(jīng)頗為豐富，但是，不同軟件和不同參量的選擇，在提取的過程中都會面臨自身方法的弊端。人們在認(rèn)識的過程中還不能達(dá)到盡善盡美，而聽音能聽出原聲態(tài)。

2.在某些情況下，聽音比使用科學(xué)技術(shù)更加便利，能夠省去參量選擇和數(shù)據(jù)處理等技術(shù)要求的大量繁瑣過程，而直接得出可靠的意見。由此可見，真正的聲紋鑒定，永遠(yuǎn)不會摒去聽音，如同指紋鑒定離不開“看”，聲紋鑒定亦離不開“聽”。

三、聽音在聲紋鑒定中的困境及解決方式

聽音在聲紋鑒定中固然重要，但也會遭遇一些困境。

（一）聽音者的聽覺效應(yīng)

聽音者的識別能力強度，很大程度上取決于聽音者的感知。而感知會受到聽覺效應(yīng)的影響產(chǎn)生偏差。聽覺效應(yīng)主要有：

1.掩蔽效應(yīng)。即當(dāng)同時聽到兩個聲音時，較響的聲音掩蓋了較輕的聲音，使人聽起來好像只有一個聲音。這種掩蔽效應(yīng)，又分為純音對純音的掩蔽和噪音對純音的掩蔽。

2.哈斯效應(yīng)，又稱時間效應(yīng)。即當(dāng)方向不同的兩個聲源發(fā)出同樣的聲音時，由于到達(dá)的時間為同一時刻、或相差5～35ms、或相差35～50ms、或相差50ms以上，會感覺聲音來源方向是兩個聲源之間的一個假聲源、先到達(dá)的聲源、后到達(dá)的聲源，得出聲源來自不同方向的結(jié)果。

3.德·波埃效應(yīng)，又稱響度效應(yīng)。即兩個聲源對稱的置于聽音者的前方時，當(dāng)反饋給兩個聲源的聲音信號相同時，聽音者感覺聲音來自兩個聲源的中間，而且似乎是只有一個聲源。

4.勞氏效應(yīng)，又稱相位效應(yīng)。勞氏效應(yīng)產(chǎn)生假立體聲效果，即將信號延時后以反相疊加在直達(dá)聲信號上，立即就會產(chǎn)生明顯的空間印象，聲音似乎來自四面八方，聽音者有置于樂隊之中的感受。

聽覺效應(yīng)所產(chǎn)生的困境，主要是聽音者感知失真。這種失真，聽音者不可控制，也不可避免。對于掩蔽效應(yīng)帶來的困境，學(xué)術(shù)界已有人提出并研究了統(tǒng)計模型算法、譜減法、聽覺掩蔽算法、短時譜估計算法、子空間算法、小波變換算法等，用作降低錄音資料的噪音信號、增強語音信號。其余的效應(yīng)在日常生活中不常見，在此不作研究。

（二）聽音在認(rèn)定同一中的體現(xiàn)

聽音為聲紋鑒定服務(wù)，聲紋鑒定的最終目的是要鑒別檢材與樣本的說話人是否同一。就像指紋認(rèn)定同一一樣，要以本質(zhì)符合點占絕對多數(shù)，且少數(shù)差異點得到科學(xué)解釋為判斷依據(jù)。聲紋鑒定能夠進(jìn)行同一認(rèn)定，也要有值得令人信服的判斷依據(jù)。而聽音是一個主觀性很強的活動，很難以“我認(rèn)為兩個語料是同一人所說”來取得他人的信服。即使兩個或三個聽音者持同一意見，也很難保證沒有其他聽音者持不同意見，這就使聽音的結(jié)論很難在認(rèn)定聲音同一時得到體現(xiàn)。

對于這一困境，可以將主觀的聽音判斷轉(zhuǎn)化為客觀的參數(shù)反映和語圖反映方式來解決。目前，國內(nèi)外學(xué)者對聲紋研究已經(jīng)日趨擴大，從基本的音強特征、音高模式的研究，已經(jīng)逐步細(xì)化到情緒語音、情感語音及具體的地區(qū)方言（如廣州話、上海話等）的研究上，使聽音所得的結(jié)論可通過具體的參數(shù)和形態(tài)（如共振峰頻率、基頻、語圖形態(tài)等）得以量化。雖然具體的研究還有待于進(jìn)一步探索，但聽音在認(rèn)定同一中的體現(xiàn)也有了方向可循。

（三）聲紋鑒定的證據(jù)力

在提供偵查線索、縮小偵查范圍上，聲紋鑒定起到的作用有目共睹。但是，在法庭上作為證據(jù)使用，要具備證據(jù)力。在美國，聲紋鑒定作為證據(jù)使用不是沒有，但并不常見。之所以如此，主要質(zhì)疑聲紋鑒定的可靠性，往往要從鑒定人是否具有經(jīng)驗，鑒定過程是否存在主觀性，語音自身的易變性等諸多問題，對聲紋鑒定是否具有可采性提出質(zhì)疑。在日本、德國和英國等國家，聲紋鑒定作為證據(jù)也較少見。我國聲紋鑒定起步晚于西方國家，在之前的訴訟程序中，聲紋證據(jù)也不作為定案的根據(jù)。但是，伴隨新刑訴法的修改，鑒定結(jié)論改為鑒定意見，鑒定人出庭制度得到進(jìn)一步的完善，聲紋作為訴訟程序中的證據(jù)指日可待。不過盡管如此，完善聲紋鑒定的證據(jù)能力，還要經(jīng)過很長的路程對其探索。

四、結(jié)語

聲紋鑒定過程中，聽音是必不可少的重要步驟，鑒定人要高度重視聽音。要多注重做好專業(yè)的聽音訓(xùn)練，夯實語音學(xué)基礎(chǔ)，以此提高聲紋鑒定質(zhì)量。

[1]徐立根.物證技術(shù)學(xué)[M].北京:中國人民大學(xué)出版社,2008.

[2]楊俊杰.司法話者識別[M].北京:中國人民公安大學(xué)出版社,2009.

[3]楊英倉,徐毓文,歐榮安,李文瑞,王英利.聽辨在聲紋鑒定中的作用[J].刑事技術(shù),2012:43-45.

[4]唐暢,廖翔.淺談司法語音鑒定中的綜合技術(shù)應(yīng)用[J].警察技術(shù),2011:30-32.

[5]王英利,李敬陽,曹洪林.聲紋鑒定技術(shù)綜述[J].警察技術(shù),2012(4):5 4-56.

[6]伍浩鵬.聲紋鑒定及其證據(jù)效力[J].甘肅政法學(xué)院學(xué)報,2000(4):99-102.

[7]文宇.一聲定音[J].檢查風(fēng)云,2004(6):36-38.

[8]宋淼,李敬陽.淺談聲紋檢驗鑒定技術(shù)[J].北京人民警察學(xué)院學(xué)報,2005(2):35-36.

[9]閻萍.聲紋鑒定及其在偵查破案中的作用[J].遼寧警專學(xué)報,200 8(1):70-72.