張紅兵

（中國刑事警察學(xué)院聲像資料檢驗(yàn)技術(shù)系 遼寧 沈陽 110035）

耳語特征變異分析

張紅兵

（中國刑事警察學(xué)院聲像資料檢驗(yàn)技術(shù)系 遼寧 沈陽 110035）

說話人湊近別人耳朵或私下里輕微發(fā)音，被稱為“耳語”。相較于正常發(fā)音，耳語發(fā)音在聽感和圖譜上都存在著明顯變化，給話者鑒別工作帶來諸多困難。從分析耳語的語音學(xué)基礎(chǔ)入手，運(yùn)用對參數(shù)統(tǒng)計(jì)分析和圖譜比對等方式，深入研究耳語發(fā)音在聲調(diào)特征、共振峰分布特征以及能量特征等方面的變異情況，以期給耳語話者鑒別工作提供參考和借鑒。

耳語 話者鑒別 共振峰 LPC

說話人湊近別人耳朵或私下里輕微發(fā)音，被稱為“耳語”，話者經(jīng)常會(huì)受內(nèi)外部因素影響或因表意的需要發(fā)出所謂的耳語。從語音學(xué)角度分析，耳語是依靠氣流沖擊摩擦未閉合的聲帶及其他聲腔部位而發(fā)出的特殊語音，更多地表現(xiàn)出聲帶震動(dòng)能量（即基音）的消失，并伴隨著發(fā)音能量的明顯減弱。相較于正常發(fā)音，耳語發(fā)音在聽感和圖譜上都存在著明顯變化，耳語檢材在聲紋鑒定中的出現(xiàn)，給檢驗(yàn)工作帶來諸多困難。嫌疑話者之所以通過耳語方式發(fā)音，較常見的是發(fā)音人試圖通過耳語方式進(jìn)行偽裝；另外，由于話者的聲帶結(jié)構(gòu)不完整甚至被完全切除，只能靠喉部其他組織代替聲帶完成發(fā)音，也會(huì)產(chǎn)生耳語效果。

漢語屬于聲調(diào)語言，耳語過程中聲帶未振動(dòng)，意味著聲調(diào)的弱化甚至消失，話語辨識(shí)度也有所下降，但為什么耳語仍能實(shí)現(xiàn)話者間的溝通交流？耳語過程未產(chǎn)生聲門波，那么音節(jié)中元音韻母的圖譜特征是否依然存在？耳語發(fā)音與正常發(fā)音的在聲學(xué)特征方面會(huì)存在哪些異同？基于上述問題，本文從分析耳語的語音學(xué)分析入手，通過對聲學(xué)參數(shù)的統(tǒng)計(jì)分析和圖譜比對等方式，深入研究耳語發(fā)音在聲調(diào)特征、共振峰分布特征以及能量特征等方面的變異情況。

1 耳語

1.1 耳語的產(chǎn)生

耳語的產(chǎn)生過程類似于清輔音，聲門的不完全閉合形成了耳語發(fā)音部位，氣流對聲門的摩擦產(chǎn)生了具有噪聲特性的耳語發(fā)音。雖然耳語在元音發(fā)音時(shí)未產(chǎn)生基音和后期明顯的聲腔共振，但相對于清輔音而言，其仍具有較為規(guī)律的能量分布特性，這里以類共振峰特征來描述，如圖1所示。

圖1 耳語發(fā)音寬帶語圖

1.2 耳語特點(diǎn)

有人認(rèn)為“耳語”等同于“氣聲”，2種發(fā)音過程中聲帶都未完全閉合，聽感上存在明顯的氣流聲[1]。兩者最明顯的區(qū)別在于前者發(fā)音時(shí)聲帶是完全不振動(dòng)，而后者發(fā)音時(shí)聲帶是不完全振動(dòng)，屬于一種聲樂演唱技法。耳語亦不同于漢語中的輕音和輕聲，雖然都伴隨著聲調(diào)的缺失，但耳語話者為了清晰表意需要放慢語速，因此單個(gè)耳語音節(jié)的音長明顯大于正常音節(jié)；而漢語輕音和輕音長則明顯小于正常發(fā)音，并且漢語輕聲和輕音雖然受重音的影響而能量減弱，但不妨礙其具備元音的發(fā)音特性，即有基音和較為清晰共振峰存在，如圖2所示。

圖2 “桌子”2種發(fā)音的寬帶圖譜

2 耳語特征變異分析

話者鑒別主要是通過對各類圖譜和數(shù)據(jù)進(jìn)行特征比對和統(tǒng)計(jì)分析，判斷話者異同程度，耳語的產(chǎn)生機(jī)理明顯有別于正常發(fā)音，在圖譜能量分布上必然存在差異。要想準(zhǔn)確地鑒別耳語話者，就需要通過具體的耳語變異實(shí)驗(yàn)來進(jìn)行量化分析耳語給話者本質(zhì)特征帶來何種變化，以確定耳語檢材和正常發(fā)音樣本之間是否還存在可比性，進(jìn)一步確認(rèn)耳語發(fā)音的變異程度。

2.1 實(shí)驗(yàn)設(shè)計(jì)

隨機(jī)選擇15名在校大學(xué)生作為發(fā)音人，模擬案例自然對話的方式，進(jìn)行正常發(fā)音（普通話）和耳語發(fā)音，每位話者發(fā)音語料中包含2個(gè)二合元音（/ ao/和/ia/）各10個(gè)、2個(gè)三合元音（/iao/和/uei/）各10個(gè)。使用OLYMPUS LS-12型錄音筆在專業(yè)錄音室條件下錄制語料，以減少噪音和空間混響的影響。最終建立各300個(gè)音節(jié)庫容的正常語音庫和耳語語音庫[2]。

利用聲學(xué)分析方法通過智能語音分析系統(tǒng)對各類發(fā)音進(jìn)行圖譜分析和數(shù)據(jù)統(tǒng)計(jì)，重點(diǎn)研究耳語發(fā)音的變異情況，進(jìn)而比較分析多次耳語發(fā)音的特征曲線形態(tài)，以充分研究耳語話者特征的穩(wěn)定性以及利用耳語特征進(jìn)行話者鑒別的可行性。

2.2 實(shí)驗(yàn)分析

2.2.1 過零率曲線分析

過零率一般被用來表示短時(shí)或者單幀語音波形通過波形中心線的次數(shù)，常被用來區(qū)別清音和濁音。耳語發(fā)音缺失了濁音發(fā)音的關(guān)鍵因素，可以通過過零率曲線比對來分析耳語發(fā)音給語音信號(hào)帶來的變化，如圖3所示。

圖3 過零率曲線形態(tài)對比

從2個(gè)語音庫中隨機(jī)選取對應(yīng)20個(gè)字的發(fā)音，利用訊飛智能聲紋鑒定工作站分別提取短時(shí)過零率曲線，首先在對應(yīng)音節(jié)間進(jìn)行曲線形態(tài)比對分析。結(jié)果表明，相對于正常發(fā)音，耳語發(fā)音中輔音聲母區(qū)域的曲線形態(tài)高度未發(fā)生顯著變化，但元音韻母的過零率曲線存在著明顯差異，意味著耳語發(fā)音中元音部分短時(shí)能量得到提升，表現(xiàn)出清音的過零率特征，這與耳語發(fā)音機(jī)理相吻合。

從2個(gè)語音庫中隨機(jī)抽取5個(gè)字的發(fā)音，測量各音節(jié)韻母部分的短時(shí)過零率均值，利用Eviews6.0軟件對上述均值做配對樣本T檢驗(yàn)。統(tǒng)計(jì)結(jié)果顯示t值為18.282，P值=0.00<0.05，表明耳語發(fā)音與正常發(fā)音在韻母區(qū)的過零率有顯著差異，并明顯高于正常發(fā)音。

2.2.2 共振峰特征分析

發(fā)音原理的差異，導(dǎo)致2種發(fā)音的共振峰分布產(chǎn)生明顯的差異，相較于正常發(fā)音，耳語除整體能量下降外，在低頻區(qū)和中高頻區(qū)存在著明顯的能量衰減，出現(xiàn)了此區(qū)域共振峰的淡化甚至消失。耳語靠氣流摩擦產(chǎn)生能量，并且摩擦力度強(qiáng)于輔音，因此高頻區(qū)域能量得到增強(qiáng)，發(fā)音語速的降低使得能量橫向分布較為舒展。

圖4 2種發(fā)音的寬帶圖譜

把正常發(fā)音元音共振峰的位置、相對關(guān)系以及走勢等特征，與耳語的類共振峰特征進(jìn)行形態(tài)化比較，如圖4所示。共振峰能量明顯減弱，共振峰數(shù)量明顯減少（低頻區(qū)和高頻區(qū)共振峰由于能量明顯減弱而淡化甚至消失），共振峰帶寬也存在增大現(xiàn)象；輔音區(qū)域的能量相對增強(qiáng)，輔音圖譜特征更為明顯。在統(tǒng)計(jì)過程中，由于受發(fā)音個(gè)體、發(fā)音隨機(jī)性、樣本數(shù)量以及圖譜清晰度等方面的影響，共振峰特征的形態(tài)化差異度并非絕對穩(wěn)定。

從2個(gè)語音庫中分別抽取每位話者的二合元音和三合元音的各10次發(fā)音，利用Praat軟件測量每個(gè)發(fā)音第二共振峰的起始值、核心值和收尾值（二合元音只測起始值和收尾值）。利用Eviews6.0軟件對每組1500個(gè)樣本值（3000個(gè)觀測值）做配對樣本T檢驗(yàn)，以分析正常發(fā)音與耳語發(fā)音之間在共振峰特征方面是否存在明顯差異，針對第三共振峰的均值測量計(jì)算以及統(tǒng)計(jì)分析方法同上，統(tǒng)計(jì)結(jié)果見表。

表 15位話者耳語前后F2、F3的配對樣本T檢驗(yàn)分析結(jié)果

統(tǒng)計(jì)結(jié)果表明，耳語發(fā)音的F2和F3相對于正常發(fā)音，有較為明顯變化，變化范圍在260Hz～360Hz之間，并呈上升趨勢，特別是第二共振峰，整體的變化程度基本不影響話者個(gè)體特征的判別。針對數(shù)據(jù)組做相關(guān)回歸分析。由于耳語發(fā)音的類共振峰能量較弱，因此在選取測量點(diǎn)、測量方式以及數(shù)據(jù)計(jì)算方式等方面還存在一定誤差；耳語導(dǎo)致共振峰帶寬變大，對于某些元音共振峰進(jìn)行形態(tài)化比較和定量分析就存在困難，同樣會(huì)影響到檢驗(yàn)結(jié)果。另外，話者的發(fā)音次數(shù)以及總體樣本量還需要進(jìn)一步提高，因此，個(gè)別發(fā)音人的共振峰變化規(guī)律與整體規(guī)律存在差異是在所難免[3]。

2.2.3 FFT長時(shí)平均曲線分析

FFT長時(shí)平均曲線是利用不同參數(shù)集合來獲取話者發(fā)音特征的有效方式之一，該曲線不受發(fā)音內(nèi)容的限制，表現(xiàn)出較為明顯穩(wěn)定的話者特征，并且隨著發(fā)音方式方法的變化，曲線形態(tài)也會(huì)反映出話者自身差異[4]。

利用訊飛智能聲紋鑒定工作站建立每位話者兩種發(fā)音的FFT長時(shí)平均統(tǒng)計(jì)曲線并進(jìn)行數(shù)據(jù)均值分析，可較為具體地分析出，耳語相較于正常發(fā)音而言，韻母區(qū)能量明顯衰減的具體頻率區(qū)間為低頻區(qū)（1000Hz 以下）以及中高頻區(qū)（2500Hz～4200Hz），這與寬帶圖譜的形態(tài)化對比結(jié)果基本一致。如圖5所示，其中粗黑曲線是代表正常發(fā)音，較細(xì)曲線代表耳語。

在6000Hz左右處耳語能量開始接近于正常發(fā)音，并在更高頻段處有超越正常發(fā)音的趨勢，這與耳語的產(chǎn)生機(jī)理有直接關(guān)系，但超出6000Hz以上的能量分布，對于大部分話者的個(gè)體特征識(shí)別已經(jīng)沒有太大的應(yīng)用價(jià)值。

圖5 2種發(fā)音的FFT長時(shí)平均曲線

2.2.4 LPC譜分析

LPC譜分析能夠較好地反映話者聲道特性，并且與發(fā)音樣本無關(guān)，因此常被用來分析話者特征差異以及特征穩(wěn)定性。通過智能聲紋鑒定系統(tǒng)，分別提取話者2種發(fā)音的長時(shí)LPC譜分析曲線，以及音節(jié)發(fā)音中韻母穩(wěn)定段瞬時(shí)LPC譜分析曲線，并加以比對分析。如圖6、圖7所示，其中粗黑曲線代表正常發(fā)音，細(xì)曲線代表耳語。

圖6 長時(shí)LPC譜分析曲線

圖7 瞬時(shí)LPC譜分析曲線

長時(shí)LPC譜清晰顯示出耳語發(fā)音的能量集中區(qū)位置有所提高，并且在低頻區(qū)和中高頻區(qū)域能量明顯弱于正常發(fā)音，導(dǎo)致整體的LPC譜分析曲線形態(tài)出現(xiàn)顯著差異，而在高頻區(qū)域又回歸正常，這與共振峰數(shù)據(jù)統(tǒng)計(jì)結(jié)果和FFT長時(shí)平均曲線比對結(jié)果基本一致。

瞬時(shí)LPC譜分析曲線能夠清晰顯示出元音穩(wěn)定段瞬時(shí)能量～頻率分布狀態(tài)。圖7中耳語曲線的能量強(qiáng)區(qū)位置稍有上移，對應(yīng)于音節(jié)韻母F2、F3所處位置，體現(xiàn)出耳語發(fā)音共振峰存在位移現(xiàn)象。耳語曲線中各峰的頻率跨度略大于正常發(fā)音，意味著耳語音節(jié)中所謂共振峰帶寬的提高。

3 結(jié)論

耳語的產(chǎn)生機(jī)理與正常發(fā)音存在著較大差異，在聽覺感知、圖譜能量特征分析以及聲學(xué)特征參數(shù)測量統(tǒng)計(jì)等方面，都給檢驗(yàn)人員帶來干擾甚至較大誤差。本文針對一定量樣本發(fā)音的聲學(xué)圖譜、曲線進(jìn)行形態(tài)化比對和數(shù)值分析，并對聲學(xué)特征參數(shù)進(jìn)行統(tǒng)計(jì)分析。較之其他相關(guān)研究，本文進(jìn)一步提高了樣本量，并針對二合元音和三合元音音節(jié)進(jìn)行關(guān)鍵點(diǎn)數(shù)據(jù)測量，并利用專業(yè)數(shù)據(jù)統(tǒng)計(jì)分析軟件對上千個(gè)觀測值進(jìn)行配對檢驗(yàn)，增強(qiáng)了聲學(xué)參數(shù)統(tǒng)計(jì)和圖譜分析的語音學(xué)意義。另外，在圖譜分析過程中，采用了過零率曲線、FFT長時(shí)平均譜以及LPC分析譜，并進(jìn)行曲線分布形態(tài)比對和數(shù)值分析，擴(kuò)充了對耳語特征變異的分析途徑，豐富了比對結(jié)果。

分析結(jié)果表明，耳語導(dǎo)致元音韻母低頻區(qū)以及中高頻區(qū)的能量發(fā)生明顯下降，F(xiàn)1的利用價(jià)值明顯降低，F(xiàn)2和F3位置都有一定程度的提高（平均在260Hz～360Hz之間），并且共振峰帶寬也隨之增大，上述變異情況給耳語圖譜的清晰度帶來負(fù)面影響。

話者在耳語發(fā)音時(shí)，為了更加清晰地表述內(nèi)容，勢必會(huì)加大發(fā)音力度以及喉部的緊張程度，給輔音發(fā)音的能量提升提供幫助。同時(shí)，較強(qiáng)的氣流在聲腔的調(diào)制之后，體現(xiàn)出了類似于共振峰的能量分布特征，在形態(tài)分布方面不會(huì)產(chǎn)生較大改變，但在整體共振峰數(shù)值上出現(xiàn)了提升，但未達(dá)到本質(zhì)差異程度，因此可以利用耳語檢材進(jìn)行話者特征鑒別，需要鑒定人員在數(shù)值比對時(shí)加以適當(dāng)修正。

綜上所述，耳語雖然損失了一部分話者的常規(guī)特征，通過研究耳語的發(fā)音機(jī)理可知，耳語發(fā)音具有一定的穩(wěn)定性，在話者鑒別工作中，可以利用耳語檢材與正常樣本或者耳語樣本進(jìn)行話者比對分析，但需要提高樣本量以減少發(fā)音不穩(wěn)定性以及其他內(nèi)外部因素所帶來的干擾。

參考文獻(xiàn)：

[1] 潘欣裕,趙鶴鳴.中文耳語元音的聲調(diào)特征研究[J].信號(hào)處理,2011(10):1525-1530.

[2] 楊莉莉,李燕,徐柏齡.漢語耳語音庫的建立與聽覺實(shí)驗(yàn)研究[J].南京大學(xué)學(xué)報(bào)(自然科學(xué)),2005(3):311-317.

[3] 張翠玲,張紅兵,曹巧玲.耳語偽裝語音的聲學(xué)研究[J].中國刑警學(xué)院學(xué)報(bào), 2005(4):43-46.

[4] 楊俊杰.利用長時(shí)平均LPC譜檢驗(yàn)雙胞胎語音之探討[J].中國人民公安大學(xué)學(xué)報(bào)(自然科學(xué)版),2003(4):32-37.

（責(zé)任編輯：于 萍）

Analysis on the Variation of Whisper Features

ZHANG Hong-bing
(Audio-Visual and Image Technology Department of Criminal Investigation Police University of China Liaoning Shenyang 110035)

The speaker speaks close to other’s ears, which is called whisper. Compared with normal speech, there are signif cant changes in the sense of hearing and the spectrum of whispered speech, which brought many diff culties to the speaker identif cation. In order to provide reference for the whispered speaker identif cation, this paper starts from the analysis on the basic phonetics of whisper, and the variation of tone characteristics, formant distribution and energy characteristics of whispered speech are studied by parametric statistical analysis and spectral equivalence.

Whisper Speaker identif cation Formant LPC

H017

A

2095-7939（2017）01-0096-05

10.14060/j.issn.2095-7939.2017.01.015

2016-09-29

2016年度遼寧省自然科學(xué)基金項(xiàng)目（編號(hào)：201602810）。

張紅兵（1979-），男，河南舞陽人，中國刑事警察學(xué)院聲像資料檢驗(yàn)技術(shù)系副教授，主要從事公安視聽技術(shù)研究。