厲鵬，李曄，王銘欣

摘 要：語(yǔ)音識(shí)別在經(jīng)歷了近六十年的發(fā)展之后，在近幾年的時(shí)間里呈現(xiàn)出井噴式的發(fā)展，給人們的生活和工作帶來(lái)了巨大的改變。而正是由于語(yǔ)音識(shí)別具有的穩(wěn)定性和唯一性、采集的便利性、處理的強(qiáng)大性、識(shí)別的智能性等獨(dú)特的優(yōu)勢(shì)，使其在公安機(jī)關(guān)中獲得了多方面的深度應(yīng)用。公安機(jī)關(guān)應(yīng)當(dāng)盡快明確語(yǔ)音識(shí)別的定義，結(jié)合公安的具體工作和實(shí)際問(wèn)題，積極探討語(yǔ)音識(shí)別在信息錄入、保密工作、偵查破案、審訊詢(xún)問(wèn)、便民服務(wù)等公安工作中的深入應(yīng)用，才能進(jìn)一步實(shí)現(xiàn)公安工作的創(chuàng)新，成為未來(lái)公安工作發(fā)展和變革的強(qiáng)大推力。

關(guān)鍵詞：語(yǔ)音識(shí)別；公安工作；應(yīng)用

中圖分類(lèi)號(hào)：D631.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）06-0132-03

Abstract： Speech recognition has experienced nearly 60 years of development. In recent years it has shown the development of blowout in bringing great changes to people's lives and work. And because of its unique advantages - stability and uniqueness， convenience of collection， robustness of processing， and identification of intelligence， speech recognition will be applied deeply in many aspects of the public security organ. The public security organs should follow the pace of the times and clarify the definition and characteristics of speech recognition as soon as possible. It should combine with the specific work and practical problems of public security， and actively explore the voice recognition in the information entry， confidential work， investigation and detection， interrogation， convenience services in order to further achieve the innovation of public security work and become a strong thrust for the public security work in the future development and transformation.

Keywords： speech recognition； public security organ's work； application

1 語(yǔ)音識(shí)別技術(shù)概述

1.1 語(yǔ)音識(shí)別的發(fā)展歷程。語(yǔ)音識(shí)別技術(shù)依托人工智能技術(shù)的研究而不斷取得進(jìn)步。自計(jì)算機(jī)科學(xué)之父阿蘭·圖靈提出了人與計(jì)算機(jī)進(jìn)行交流的設(shè)想開(kāi)始，人類(lèi)便開(kāi)始了語(yǔ)音識(shí)別的研究。語(yǔ)音識(shí)別起始于20世紀(jì)50年代的Audry系統(tǒng)[1]。1952年，世界上第一個(gè)語(yǔ)音識(shí)別系統(tǒng)在美國(guó)貝爾研究所研制成功，這成為了語(yǔ)音識(shí)別技術(shù)的歷史開(kāi)端。1960年，計(jì)算機(jī)語(yǔ)音識(shí)別系統(tǒng)首先在英國(guó)研制成功。20世紀(jì)70年代，隨著統(tǒng)計(jì)語(yǔ)言學(xué)在語(yǔ)音識(shí)別中的應(yīng)用，語(yǔ)音識(shí)別的研究從微觀轉(zhuǎn)向宏觀，從小數(shù)量轉(zhuǎn)向大數(shù)量，從特殊轉(zhuǎn)向一般。20世紀(jì)80年代中期，語(yǔ)音識(shí)別的研發(fā)借助HMM模型和人工神經(jīng)網(wǎng)絡(luò)（ANN）將純數(shù)學(xué)模型工程化、程序化和簡(jiǎn)單化，掀起了新一輪的研究熱潮。20世紀(jì)90年代以后，語(yǔ)音識(shí)別以人工神經(jīng)網(wǎng)絡(luò)技術(shù)作為突破點(diǎn)，促使語(yǔ)音識(shí)別真正的從理論走向了實(shí)際的應(yīng)用。2006年，深度神經(jīng)網(wǎng)絡(luò)研究的巨大突破，使得人工智能迎來(lái)了第三次浪潮，而語(yǔ)音識(shí)別的也在此基礎(chǔ)上，依托大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)不斷的開(kāi)拓創(chuàng)新。谷歌、微軟、百度、科大訊飛等公司不斷的強(qiáng)化了語(yǔ)言識(shí)別的新功能，將語(yǔ)音識(shí)別的精確性、迅捷性和智能性提高到了一個(gè)新的高度。語(yǔ)音識(shí)別的應(yīng)用也在多國(guó)語(yǔ)音文字的智能轉(zhuǎn)化、智能家居、金融服務(wù)、汽車(chē)導(dǎo)航等等方面開(kāi)啟了人機(jī)交互、萬(wàn)物互聯(lián)的智能化語(yǔ)音識(shí)別時(shí)代。

1.2 音識(shí)別的概念。一般的語(yǔ)音識(shí)別是指將人發(fā)出的聲音信號(hào)轉(zhuǎn)化為文字或者其他指令的過(guò)程[2]。于瑞華認(rèn)為，語(yǔ)音識(shí)別是憑借人發(fā)出的語(yǔ)音波形中能夠反映發(fā)聲人的生理、心理和行為等語(yǔ)音特性的參數(shù)，進(jìn)一步識(shí)別和確認(rèn)發(fā)聲人身份的過(guò)程。[3]。聲紋鑒定的概念是應(yīng)用語(yǔ)言學(xué)、行為學(xué)、心理學(xué)等學(xué)科的知識(shí)，判斷是否為同一聲源，或者斷定聲音或聲源的性質(zhì)和特點(diǎn)的一種專(zhuān)門(mén)技術(shù)手段[4]。公安機(jī)關(guān)中語(yǔ)音識(shí)別的概念更接近于聲紋鑒定，包括通過(guò)語(yǔ)音識(shí)別技術(shù)和語(yǔ)音數(shù)據(jù)庫(kù)對(duì)語(yǔ)音信號(hào)的處理、分析、鑒別、類(lèi)比，進(jìn)行發(fā)聲人的辨識(shí)和確認(rèn)，進(jìn)而為偵查破案提供偵查方向和線索、確定軌跡路線、固定證據(jù)材料等工作。而隨著新理念和新技術(shù)的出現(xiàn)，語(yǔ)音識(shí)別的概念內(nèi)涵和外延也會(huì)更加的豐富，從而更好的服務(wù)與不斷變化的公安工作。

2 語(yǔ)音識(shí)別在公安工作中應(yīng)用的可行性分析

2.1 穩(wěn)定性和唯一性。語(yǔ)音是由人的聲帶作為聲源振動(dòng)產(chǎn)生的，而由于聲帶的長(zhǎng)短、寬窄、厚薄等生理屬性的不同，使得語(yǔ)音音調(diào)、音色和聲強(qiáng)等特征也不盡相同。而且這些特征具有相對(duì)穩(wěn)定性和唯一性。穩(wěn)定性是指人的語(yǔ)音特征在固定的年齡斷是基本不變的，除非受過(guò)專(zhuān)業(yè)訓(xùn)練，否則任何人說(shuō)話都會(huì)帶有母語(yǔ)腔，而隨著生理和心理上的成熟，這種穩(wěn)定性會(huì)更加突出。唯一性也叫差異性，是指因人的聲帶先天的生理構(gòu)造的不同，以及后天形成的說(shuō)話習(xí)慣、心理素質(zhì)、知識(shí)水平的不同而具有特殊性，這是區(qū)分發(fā)聲人，實(shí)行語(yǔ)音同一認(rèn)定的重要依據(jù)。

2.2 采集的便利性。語(yǔ)音的傳播和采集所需條件十分簡(jiǎn)單，入門(mén)門(mén)檻很低，相應(yīng)的語(yǔ)音記錄、存儲(chǔ)整理和傳輸技術(shù)已經(jīng)非常成熟。每個(gè)人的手機(jī)都是一個(gè)天然的語(yǔ)音采集器，語(yǔ)音的采集可以實(shí)現(xiàn)同步識(shí)別，并借助軟件后臺(tái)進(jìn)行備份上傳云端，從而大批量的進(jìn)行語(yǔ)音數(shù)據(jù)的采集處理。語(yǔ)音識(shí)別的采集對(duì)于被采集對(duì)象沒(méi)有過(guò)多的限制和要求，不需要直接接觸，還可以對(duì)環(huán)境進(jìn)行清零和降噪，可在大多數(shù)場(chǎng)景下進(jìn)行語(yǔ)音的采集，大大提高了采集的可實(shí)施性和便利性。

2.3 處理的強(qiáng)大性。語(yǔ)音識(shí)別研究的不斷突破，使得語(yǔ)音識(shí)別展現(xiàn)出了自身獨(dú)一無(wú)二的強(qiáng)大性。第一，處理的及時(shí)性。語(yǔ)音識(shí)別的實(shí)時(shí)處理速度迅速，反饋時(shí)間很短，完全可以跟上普通人說(shuō)話的速度，這便保證了系統(tǒng)的持續(xù)工作能力和識(shí)別的連續(xù)性。第二，轉(zhuǎn)化的準(zhǔn)確性。語(yǔ)音識(shí)別系統(tǒng)會(huì)自行進(jìn)行相應(yīng)學(xué)習(xí)和升級(jí)，語(yǔ)音的處理變得越來(lái)越智能化和準(zhǔn)確化，最新研發(fā)的語(yǔ)音識(shí)別系統(tǒng)的詞錯(cuò)率已降到了5.5%，達(dá)到專(zhuān)業(yè)記錄員的水平。第三，多國(guó)語(yǔ)言的無(wú)縫對(duì)接。語(yǔ)音識(shí)別支持多國(guó)語(yǔ)言的實(shí)時(shí)翻譯和同聲傳譯，實(shí)現(xiàn)了不同語(yǔ)言之間的實(shí)時(shí)交流，像微軟的Siri就會(huì)說(shuō)36個(gè)國(guó)家的21種語(yǔ)言，這進(jìn)一步提高了語(yǔ)音識(shí)別的應(yīng)用領(lǐng)域。

2.4 識(shí)別的智能性。語(yǔ)音識(shí)別的智能性體現(xiàn)在其不僅僅可以充分準(zhǔn)確的對(duì)語(yǔ)音信息進(jìn)行快速的記錄、存儲(chǔ)和翻譯，以及對(duì)形成的電子版文字進(jìn)行人聲的智能修改等傳統(tǒng)語(yǔ)音識(shí)別工作，根據(jù)工作人員下達(dá)的語(yǔ)音指令，結(jié)合心理學(xué)、行為學(xué)等其他學(xué)科的模型體系，根據(jù)語(yǔ)速、語(yǔ)調(diào)和停頓對(duì)發(fā)聲人的意圖進(jìn)行分析做出說(shuō)話人意圖的準(zhǔn)確判斷；自動(dòng)對(duì)語(yǔ)音進(jìn)行實(shí)時(shí)多點(diǎn)收集、大數(shù)據(jù)的智能化的分析，并通過(guò)將發(fā)聲人的音調(diào)、音色和聲強(qiáng)對(duì)發(fā)聲人的身份進(jìn)動(dòng)態(tài)的分析和全天候跟蹤、確認(rèn)，并及時(shí)報(bào)警或者反饋給工作人員。

2.5 應(yīng)用的廣泛性。語(yǔ)音識(shí)別技術(shù)除了可以用在圖像識(shí)別、機(jī)器翻譯、智能家居、汽車(chē)導(dǎo)航、生產(chǎn)的自動(dòng)控制、手機(jī)語(yǔ)音合成等多個(gè)技術(shù)和領(lǐng)域之外，也可以在公安、司法、醫(yī)療、商務(wù)辦公等領(lǐng)域發(fā)揮作用。單就公安機(jī)關(guān)來(lái)講，各個(gè)部門(mén)、各個(gè)警種的各項(xiàng)工作中都可以大量應(yīng)用語(yǔ)音識(shí)別技術(shù)，來(lái)進(jìn)一步提高公安工作的效率和能力，實(shí)現(xiàn)智能化警務(wù)的轉(zhuǎn)變和發(fā)展。而大數(shù)據(jù)技術(shù)和云計(jì)算技術(shù)的深度應(yīng)用，人與機(jī)器的耦合會(huì)不斷加強(qiáng)，語(yǔ)音技術(shù)的應(yīng)用也將會(huì)更加普及。

3 語(yǔ)音識(shí)別在公安工作中的具體應(yīng)用

3.1 語(yǔ)音識(shí)別技術(shù)在信息錄入工作中的應(yīng)用。公安機(jī)關(guān)每天面臨著大量的數(shù)據(jù)錄入工作，尤其是基層工作單位，需要將海量的數(shù)據(jù)進(jìn)行錄入和整理。而這些信息是每天都需要?jiǎng)討B(tài)錄入的，總量巨大的信息占用了公安工作人員大量的時(shí)間和精力，而且還會(huì)由于計(jì)算機(jī)硬件設(shè)施和操作水平的緣故，造成相關(guān)工作的延誤。而語(yǔ)音識(shí)別技術(shù)為這類(lèi)工作帶來(lái)了極大的便捷，采用語(yǔ)音自動(dòng)識(shí)別錄入技術(shù)，不僅可以快速進(jìn)行語(yǔ)音到文字的轉(zhuǎn)化，還能都及時(shí)的對(duì)語(yǔ)法錯(cuò)誤、拼寫(xiě)錯(cuò)誤進(jìn)行檢查和語(yǔ)音更正，根據(jù)需要對(duì)數(shù)據(jù)進(jìn)行歸檔整理和存儲(chǔ)，語(yǔ)音的搜索和提取方便快捷，公安工作的效率得到極大的提高。

3.2 語(yǔ)音識(shí)別在公安保密工作中的應(yīng)用。傳統(tǒng)的紙質(zhì)保密存在一定泄露和丟失的風(fēng)險(xiǎn)，尤其是涉穩(wěn)、涉毒和涉恐的信息，一旦泄露即會(huì)造成嚴(yán)重的后果。而語(yǔ)音識(shí)別的保密功能卻可以很好避免此類(lèi)事件的發(fā)生。對(duì)于一些重要的、涉密的會(huì)議在使用語(yǔ)音技術(shù)進(jìn)行全程的文字轉(zhuǎn)化的同時(shí)，還可以對(duì)語(yǔ)音進(jìn)行全程加密，防止第三方的竊取和竊聽(tīng)。只有獲得相應(yīng)的權(quán)限才能查閱和聽(tīng)取相應(yīng)的會(huì)議內(nèi)容，不留紙質(zhì)文件，直接形成電子版文件。一來(lái)便于信息的共享和攜帶，二來(lái)可以及時(shí)對(duì)文件進(jìn)行加密處理和保存，更好地完成公安機(jī)關(guān)相關(guān)工作的保密工作。

3.3 語(yǔ)音識(shí)別在偵查破案中的應(yīng)用。語(yǔ)音識(shí)別在偵查破案中早有應(yīng)用，其根據(jù)對(duì)于收集的原始語(yǔ)音數(shù)據(jù)進(jìn)行分析，可以確定嫌疑人的身份信息為偵查劃定范圍和提供方向。依據(jù)法律規(guī)定的相關(guān)程序，搜集案發(fā)時(shí)周邊相應(yīng)的語(yǔ)音數(shù)據(jù)，包括微信、QQ等社交軟件中的語(yǔ)音信息、通話錄音等，對(duì)留下的語(yǔ)音進(jìn)行分析辨認(rèn)。針對(duì)在逃人員，可以根據(jù)已經(jīng)搜集的關(guān)于他的語(yǔ)音信息，與語(yǔ)音大數(shù)據(jù)庫(kù)進(jìn)行碰撞和關(guān)聯(lián)，進(jìn)行蹤跡追蹤和團(tuán)伙深挖。同時(shí)，將其語(yǔ)音信息與社會(huì)中每天收集的語(yǔ)音信息進(jìn)行動(dòng)態(tài)對(duì)比，實(shí)現(xiàn)語(yǔ)音的全天候跟蹤，并結(jié)合PGPS系統(tǒng)對(duì)其進(jìn)行及時(shí)的定位，及時(shí)報(bào)警和反饋，發(fā)現(xiàn)其蹤跡和隱藏地點(diǎn)，以便進(jìn)行圍堵和抓捕。

3.4 語(yǔ)音識(shí)別在審訊訊問(wèn)中的應(yīng)用。公安機(jī)關(guān)可以運(yùn)用語(yǔ)言學(xué)、行為學(xué)、心理學(xué)等多門(mén)學(xué)科的理論設(shè)置相關(guān)參數(shù)和模型，對(duì)被訊問(wèn)人的音色、音調(diào)以及配合說(shuō)話時(shí)的微表情和肢體動(dòng)作進(jìn)行分析，抓住其語(yǔ)音中反映出的微妙變化，識(shí)破其謊言，抓住弱點(diǎn)進(jìn)行突破。基于語(yǔ)音識(shí)別的深層語(yǔ)音情感評(píng)測(cè)技術(shù)更可以讓內(nèi)在的情感外在化、客觀化、直觀化、數(shù)據(jù)化，具有更強(qiáng)的應(yīng)用性和操作性。訊問(wèn)人員如能及時(shí)了解和掌握犯罪嫌疑人的心理活動(dòng)和情感走向，就能找到其供述的薄弱點(diǎn)和障礙，從而幫助訊問(wèn)人員及時(shí)把握和調(diào)整訊問(wèn)方向。語(yǔ)音識(shí)別便成為了公安機(jī)關(guān)訊問(wèn)方法的一種新的模式[5]。

3.5 語(yǔ)音識(shí)別在便民服務(wù)中的應(yīng)用。而語(yǔ)音識(shí)別的應(yīng)用，會(huì)提高公安機(jī)關(guān)的服務(wù)能力，改進(jìn)服務(wù)方式，突破服務(wù)障礙，更好的營(yíng)造良好的警民關(guān)系。首先，提高民警溝通能力。外籍或者異地的民警在與群眾進(jìn)行情況了解、案件調(diào)查和走訪慰問(wèn)時(shí)，只需攜帶輕便的語(yǔ)音識(shí)別裝備，就可以迅速準(zhǔn)確的將方言與普通話進(jìn)行相互轉(zhuǎn)換，及時(shí)化解語(yǔ)言不通帶來(lái)的誤解和矛盾。其次，打造智能警務(wù)服務(wù)模式。在公安行政部門(mén)、出入境部門(mén)和地方所隊(duì)的戶籍等服務(wù)部門(mén)，引入智能化語(yǔ)音識(shí)別機(jī)器人，根據(jù)用戶的語(yǔ)音來(lái)進(jìn)行相關(guān)業(yè)務(wù)的指導(dǎo)和辦理，方便文盲或者年老者等少數(shù)群體，提高公安機(jī)關(guān)對(duì)于群眾的服務(wù)質(zhì)量。

參考文獻(xiàn)：

[1]高新濤，陳乖麗.語(yǔ)音識(shí)別技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用前景[J].甘肅科技縱橫，2007（4）：13.

[2]中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB/T21023-2007中文語(yǔ)音識(shí)別系統(tǒng)通用技術(shù)規(guī)范[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2007.

[3]于瑞華.語(yǔ)音識(shí)別在公安工作中的應(yīng)用[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（自然科學(xué)版），2007（4）：96-99.

[4]王英利，李敬陽(yáng)，曹洪林.聲紋鑒定技術(shù)綜述[J].警察技術(shù)，2012（4）：54-56.

[5]畢惜茜.偵查訊問(wèn)方法研究[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013（5）：55-59.