楊俊杰 何 磊 陳建新 胡耀民 李劍鋒

(1山西警察學(xué)院刑事科學(xué)技術(shù)系 太原 030401)

(2蘇黎世大學(xué)計(jì)算語言學(xué)院 蘇黎世 CH-8050)

(3北京陽宸電子技術(shù)公司 北京 100029)

0 引言

在司法話者識別領(lǐng)域，語音的個(gè)體特殊性一直是各位學(xué)者所追尋的。作為語音四要素的重要內(nèi)容[1]，音強(qiáng)與時(shí)長特性近年來更是受到國內(nèi)外專家的高度關(guān)注。對于音強(qiáng)，其強(qiáng)弱與人說話時(shí)的開口度密切相關(guān)[2?3]。先前研究表明，普通人群音強(qiáng)曲線在曲率分布、拐點(diǎn)數(shù)與分布、極值數(shù)與分布、極值特征、音節(jié)間過渡特征等方面具有總體特殊性[4]，在韻母音強(qiáng)隨時(shí)間的分布狀態(tài)[5]和音節(jié)間音強(qiáng)關(guān)系等方面也具有個(gè)體特殊性[6?7]。即使是發(fā)音器官高度相似的同卵雙胞胎語音，其音強(qiáng)特性也具有一定的個(gè)體特殊性[8?10]。對于時(shí)長，Ulrike等[11]指出“······即使話者自身變異較大，不同說話人元音、輔音、濁音或峰間的時(shí)長差異仍然非常明顯”。

楊俊杰等[10]曾對利用音節(jié)間相對音強(qiáng)與相對時(shí)長鑒別同卵雙胞胎語音進(jìn)行了研究。結(jié)果發(fā)現(xiàn)，在30對同卵雙胞胎語音中，單獨(dú)利用音節(jié)間相對音強(qiáng)時(shí)，有19對無法區(qū)別開；單獨(dú)利用音節(jié)間相對時(shí)長時(shí)，有20對無法區(qū)別開；綜合利用二者進(jìn)行檢驗(yàn)，結(jié)果仍有13對無法區(qū)別開。

近年來，有學(xué)者把音強(qiáng)與時(shí)長二維參量聯(lián)合起來進(jìn)行話者識別的研究[9,11]。其中，Ulrike等[11]的研究發(fā)現(xiàn)，單獨(dú)用音強(qiáng)或音強(qiáng)與時(shí)長聯(lián)合檢驗(yàn)的區(qū)別力均強(qiáng)于單獨(dú)利用時(shí)長的區(qū)別力。尤其是Lei等[9]在研究了普通個(gè)體連續(xù)語音音強(qiáng)的動態(tài)特性后發(fā)現(xiàn)，音節(jié)音強(qiáng)的下降斜率比上升斜率更具有個(gè)體特殊性，音強(qiáng)曲線斜率特性可能對話者自動識別，特別是司法話者識別具有重要價(jià)值。這些結(jié)果啟發(fā)我們利用音強(qiáng)斜率的動態(tài)特性進(jìn)行了同卵雙胞胎語音的話者識別研究。實(shí)驗(yàn)研究中，針對13對同卵雙胞胎的由16個(gè)音節(jié)組成的聲樣，分別分析了每個(gè)音節(jié)音強(qiáng)的上升斜率和下降斜率。數(shù)據(jù)的統(tǒng)計(jì)分析結(jié)果表明：在90%的置信度下，實(shí)驗(yàn)中的13對同卵雙胞胎語音都得到正確的區(qū)分，佐證并發(fā)展了Lei等[9]的研究結(jié)論，為識別同卵雙胞胎發(fā)音人提供了有效聲學(xué)參量。

1 研究語料與方法

1.1 語料

為了保證實(shí)驗(yàn)結(jié)果的可比性，該實(shí)驗(yàn)使用楊俊杰等[10]曾經(jīng)使用過的，利用音節(jié)間相對音強(qiáng)與相對時(shí)長仍無法識別的13對同卵雙胞胎語音進(jìn)行研究(發(fā)音人16女10男，年齡范圍11～40歲，平均年齡21.3歲，年齡標(biāo)準(zhǔn)差為8.2，均無語言及聽覺障礙，每對雙胞胎從小到大一直在一起生活；每人朗讀聲樣5遍，語音為普通話或略帶口音的普通話；采樣率為16 kHz，單聲道)，分析語句為包含ta qu wu xi shi chu chai，wo dao hei long jiang jian cha gong zuo(他去無錫市出差，我到黑龍江檢查工作)共16個(gè)音節(jié)的兩句話。

1.2 音強(qiáng)曲線及其峰谷的提取

語音分析設(shè)備為北京陽宸電子技術(shù)公司生產(chǎn)的IV-12智能語音工作站(10.0版)。音強(qiáng)的計(jì)算步驟為

(1)分幀：幀移(步長)為10 ms，幀長20 ms。

(2)加窗：類型為漢明窗。

(3)音強(qiáng)計(jì)算：根據(jù)公式(1)對每幀能量進(jìn)行計(jì)算，以得到音強(qiáng)級別(dB)。

其中，Ef為第f幀能量，N為每幀采樣點(diǎn)數(shù)，xn為幀內(nèi)第n點(diǎn)的振幅值。

(4)平滑：應(yīng)用5階中值濾波(式(2))與5階線性濾波(式(3))對音強(qiáng)曲線進(jìn)行后平滑處理，進(jìn)而得到音強(qiáng)曲線。

音節(jié)音強(qiáng)的峰值(IP)是音節(jié)區(qū)間內(nèi)音強(qiáng)的最大值，音節(jié)音強(qiáng)的谷值(IT)是相鄰音強(qiáng)峰值間的音強(qiáng)最小值(圖1)，可以通過IV-12智能語音工作站(10.0版)將對應(yīng)區(qū)間音強(qiáng)數(shù)據(jù)輸出到Excel后，分別利用自動求最大值與最小值函數(shù)求得。

1.3 音節(jié)音強(qiáng)斜率的計(jì)算

音強(qiáng)斜率的計(jì)算如圖1所示，在音強(qiáng)曲線上分別找出每個(gè)音節(jié)的峰值(IP)、谷值(IT)及其在時(shí)間軸上的對應(yīng)點(diǎn)時(shí)間(tT、tP)。然后根據(jù)公式計(jì)算每個(gè)音節(jié)音強(qiáng)的正斜率(音節(jié)音強(qiáng)上升斜率)，根據(jù)公式

圖1 音節(jié)音強(qiáng)正負(fù)斜率計(jì)算示意圖Fig.1 Calculation diagram of positive and negative slopes of syllable

計(jì)算每個(gè)音節(jié)音強(qiáng)的負(fù)斜率(音節(jié)音強(qiáng)下降斜率)。

1.4 統(tǒng)計(jì)分析

1.4.1 統(tǒng)計(jì)原理

司法話者識別的基本前提是語音個(gè)體變異要小于其人間差異[12]。本文圍繞這一前提對同卵雙胞胎語音音節(jié)音強(qiáng)斜率的個(gè)體變異及人間差異分別進(jìn)行統(tǒng)計(jì)分析。

根據(jù)統(tǒng)計(jì)學(xué)理論，首先需要確定斜率數(shù)據(jù)的分布類型。先前研究表明，同一人相同內(nèi)容的多遍語音，其音節(jié)音強(qiáng)與時(shí)長分布整體符合正態(tài)分布[10]。根據(jù)兩個(gè)相互獨(dú)立正態(tài)分布的線性轉(zhuǎn)化仍為正態(tài)分布的原理可以推知，作為音強(qiáng)差與時(shí)長差之比的音強(qiáng)斜率也符合正態(tài)分布。而在司法實(shí)踐中，語音樣本數(shù)量一般為5次左右，屬小樣本范疇。根據(jù)數(shù)理統(tǒng)計(jì)規(guī)律，小樣本正態(tài)分布數(shù)據(jù)的分布范圍可以在一定置信度下由式(6)求得[13]

其中，μ是樣本均值，tα,f為一定置信度(1?α)100%與自由度f=n?1下的置信系數(shù)，可由t分布表中查出，S為標(biāo)準(zhǔn)差，n為樣本個(gè)數(shù)。式(6)的概率意義是它表明真值X落在置信區(qū)間的置信度概率為P=1?α。

根據(jù)實(shí)驗(yàn)條件，實(shí)驗(yàn)中f=5?1=4；在90%、95%、98%置信度下，α分別為0.10、0.05、0.02；查t分布表得tα,f分別為2.13、2.78、3.75。于是在90%、95%、98%置信度下，式(6)又可以分別表示為

這些等式確定的分布范圍，正是不同置信度下音節(jié)音強(qiáng)斜率的個(gè)體變異范圍。如果比較值落在這一區(qū)域內(nèi)，則表明二者之間沒有明顯差異；如果比較值落在這一區(qū)域外，則表明二者之間存在明顯差異。

1.4.2 統(tǒng)計(jì)步驟及內(nèi)容

(1)單個(gè)音節(jié)音強(qiáng)斜率比較

對于利用公式(4)、公式(5)分別計(jì)算出的每個(gè)音節(jié)音強(qiáng)的斜率，按表1分別統(tǒng)計(jì)每對雙胞胎個(gè)體音強(qiáng)斜率的兩類差異。表1中“RT”、“RJ”分別代表一對雙胞胎中的兩個(gè)同胎個(gè)體；“S+”、“S?”分別代表音節(jié)音強(qiáng)的正斜率與負(fù)斜率；“S+A類差異”、“S?A類差異”分別代表音節(jié)音強(qiáng)的正斜率、負(fù)斜率的個(gè)體變異(RT的每遍數(shù)據(jù)與其分布范圍相比較存在的差異。如“ta4”的“S+”值為299.14，其落在RJ“S+”的分布范圍251.10～298.85之外，存在顯著差異，標(biāo)為“1”)；“S+B類差異”、“S?B類差異”分別代表音節(jié)音強(qiáng)的正斜率、負(fù)斜率的人間差異(RJ的每遍數(shù)據(jù)與RT數(shù)據(jù)的分布范圍比較存在的差異。如RJ的“ta2”的“S+”值為305.86，其落在RT“S+”的分布范圍251.10～298.85之外，存在顯著差異，標(biāo)為“1”)；“0”表示目標(biāo)值落在被比較的數(shù)據(jù)分布范圍之內(nèi)，二者之間沒有顯著差異；“90%分布范圍”是指在90%置信度下，根據(jù)公式(7)計(jì)算出的S+、S?的分布區(qū)間。同理，可以計(jì)算出95%、98%置信度下各個(gè)音節(jié)正負(fù)斜率個(gè)體變異與人間差異。

(2)每對雙胞胎音節(jié)音強(qiáng)正負(fù)斜率個(gè)體變異與人間差異統(tǒng)計(jì)

在對每對雙胞胎每個(gè)音節(jié)音強(qiáng)正負(fù)斜率個(gè)體變異與人間差異統(tǒng)計(jì)的基礎(chǔ)上，再對每對雙胞胎語音16個(gè)音節(jié)音強(qiáng)正負(fù)斜率的個(gè)體變異與人間差異進(jìn)行統(tǒng)計(jì)，90%置信度下的統(tǒng)計(jì)結(jié)果實(shí)例見表2。其中的阿拉伯?dāng)?shù)字是指5遍語音中每個(gè)音節(jié)對應(yīng)差異特性存在顯著差異的遍數(shù)(例如，“ta”的“S±B類差異”“ta”行單元格內(nèi)的“4”表示RJ“ta”的音強(qiáng)正負(fù)斜率與RT“ta”的音強(qiáng)正負(fù)斜率的分布范圍相比較時(shí)，各有4個(gè)斜率值不在RT的分布范圍內(nèi)，存在顯著差異)。

表2 雙胞胎RT&RJ的不同音節(jié)的個(gè)體和人間顯著差異音節(jié)個(gè)數(shù)的統(tǒng)計(jì)結(jié)果Table 2 Statistical results of the number of syllables with significant differences within and between individuals of twins RT&RJ

2 實(shí)驗(yàn)結(jié)果

2.1 不同置信度下的統(tǒng)計(jì)結(jié)果

在90%、95%、98%的置信度下，分別對13對同卵雙胞胎語音音節(jié)音強(qiáng)正負(fù)斜率的個(gè)體變異與人間差異進(jìn)行統(tǒng)計(jì)，結(jié)果見表3。

表3中“置信度”下的“90%、95%、98%”的單元格分別表示置信度水平，“發(fā)音人”右側(cè)單元格表示各對同卵雙胞胎，“差異類別”右側(cè)行中的“B”是指B類差異，即雙胞胎兩個(gè)同胎個(gè)體的人間差異，“A”是指A類差異，即每個(gè)雙胞胎個(gè)體的自身差異，“最大值”指所有比對音節(jié)中S+或S?的最大差異遍數(shù)(例如，表3中“XG&CG”90%行S+A列單元格的紅色“3”表示16個(gè)比對音節(jié)中，發(fā)音人“XG”S+的最大個(gè)體自身顯著差異音節(jié)數(shù)是3個(gè)。

由表3可以發(fā)現(xiàn)，在各級別的置信度下，各對雙胞胎語音S+與S?的B類差異的最大值均大于A類差異的最大值，這說明在統(tǒng)計(jì)上有可能依據(jù)S+與S?將雙胞胎語音區(qū)別開。在90%置信度下，各對雙胞胎語音的S+與S?中，每遍語音的人間差異均大于其個(gè)體變異；但在95%、98%置信度下，每遍語音的人間差異與其個(gè)體變異會存在沒有顯著差異的情況。從檢驗(yàn)的角度考慮，90%置信度下的置信區(qū)間更有利于檢驗(yàn)工作的開展。

2.2 90%置信度下S+與S?的個(gè)體變異與人間差異統(tǒng)計(jì)結(jié)果

在確認(rèn)90%置信度比較有利于區(qū)分雙胞胎語音之后，本文對13對同卵雙胞胎語音S+與S?的個(gè)體變異與人間差異分別進(jìn)行了統(tǒng)計(jì)，結(jié)果見表4。其中，“全顯著差異音節(jié)數(shù)”是指在所比較的5遍語音(每遍16個(gè)音節(jié))中，分別在S+或S?上5遍均存在顯著差異的音節(jié)個(gè)數(shù)；“S+、S?之和”是指每一遍語音均存在B類差異或A類差異的音節(jié)數(shù)之和。例如，“WJ&WY”B類差異“S?”列“全顯著差異音節(jié)數(shù)”行的數(shù)值是“6”，表示W(wǎng)Y 5遍語音各個(gè)音節(jié)音強(qiáng)的S?與WJ對應(yīng)音節(jié)音強(qiáng)S?的分布范圍相比較時(shí)，每遍語音都有6個(gè)音節(jié)的S?存在顯著差異；“WJ&WY”B類差異的“S+、S?之和”為“11”，反映了說話人WY每遍語音的16個(gè)音節(jié)中有11個(gè)音節(jié)S+、S?的值與WJ對應(yīng)音節(jié)S+、S?的分布范圍存在顯著差異。

從表4“S+、S?之和”一行的數(shù)據(jù)可以發(fā)現(xiàn)，13對雙胞胎中，同胎個(gè)體間S+與S?的B類差異之和均大于雙胞胎每個(gè)個(gè)體S+與S?的A類差異之和，這說明在90%置信度下，13對同卵雙胞胎同胎個(gè)體語音S+、S?的人間差異總數(shù)均大于其個(gè)體變異總數(shù)。因此，聯(lián)合利用S+與S?，可以將同卵雙胞胎的同胎個(gè)體區(qū)別開。

進(jìn)一步對表4中雙胞胎同胎個(gè)體間S+、S?中“5個(gè)差異音節(jié)數(shù)”B類差異進(jìn)行分析、統(tǒng)計(jì)發(fā)現(xiàn)，各對雙胞胎同胎個(gè)體間S+人間差異音節(jié)數(shù)(黑色)均小于S?人間差異音節(jié)數(shù)(紅色)；S+的人間差異音節(jié)數(shù)為22個(gè)，占所有人間差異的22.03%，而S?的人間差異音節(jié)數(shù)為64個(gè)，占所有人間差異的77.97%(見圖2)。

圖2 S+與S?比例統(tǒng)計(jì)圖Fig.2 Proportional statistical chart of S+&S?

表3 不同置信度下，13對同卵雙胞胎語音音節(jié)音強(qiáng)正負(fù)斜率個(gè)體變異與人間顯著差異最大個(gè)數(shù)統(tǒng)計(jì)結(jié)果Table 3 Statistical results of the largest number of significant differences within and between individuals in the positive and negative intensity slopes of syllables of 13 pairs identical twins with different confidence levels

表4 90%置信度下13對同卵雙胞胎S+與S?的個(gè)體變異與人間差異統(tǒng)計(jì)表Table 4 Statistical table of individual Variation and interpersonal difference of S+and S?in 13 identical twins with 90%confidence level

3 分析與結(jié)論

表4“全顯著差異音節(jié)數(shù)”數(shù)據(jù)證明，在90%置信度下，所考查的13對同卵雙胞胎同胎個(gè)體語音S+、S?的人間差異總數(shù)均大于其個(gè)體變異總數(shù)。因此，聯(lián)合利用S+與S?，是可以將同卵雙胞胎的同胎個(gè)體區(qū)別開的。本實(shí)驗(yàn)研究證明，漢語音節(jié)音強(qiáng)斜率在區(qū)分同卵雙胞胎語音的司法鑒定中的有效性。

此外，研究發(fā)現(xiàn)所有S?的人間差異比S+的人間差異更加明顯。圖2中，S+的人間差異僅占所有人間差異的22.03%，而S?的人間差異占所有人間差異的77.97%。這些結(jié)果與Lei等[9]的實(shí)驗(yàn)結(jié)果相一致，即：S?的區(qū)別力比S+的區(qū)別力更強(qiáng)。至于具體原因，Lei等[9]認(rèn)為，根據(jù)運(yùn)動程序理論，說話時(shí)說話人會主動計(jì)劃和控制調(diào)音器官以達(dá)到發(fā)音目標(biāo)。這樣的發(fā)音目標(biāo)位于嘴巴打開階段的轉(zhuǎn)折點(diǎn)，與元音音強(qiáng)的最大值相對應(yīng)。為了最大限度地提高相互理解能力，說同一語言的人應(yīng)該表現(xiàn)得更為一致。一旦達(dá)到語音目標(biāo)，發(fā)音人便可減少對發(fā)音器官的控制，從而產(chǎn)生更多體現(xiàn)個(gè)體嘴巴閉合運(yùn)動特點(diǎn)的發(fā)音特性。也就是說，這兩個(gè)發(fā)音過程可能受兩個(gè)運(yùn)動特性的影響：可控性和內(nèi)在屬性。在嘴巴打開過程中可控性在發(fā)揮更大的作用，而在嘴巴閉合過程中，內(nèi)在屬性發(fā)揮更大的作用[9]。

我們認(rèn)為S?的人間差異比S+的人間差異更加明顯，可能還與音節(jié)開頭輔音較多有關(guān)。因?yàn)镾+的計(jì)算中包含了更多的輔音音強(qiáng)，而輔音的個(gè)體穩(wěn)定性較差，進(jìn)而導(dǎo)致其個(gè)體變異加大，降低了人間差異。

在實(shí)驗(yàn)結(jié)果中，S?的人間差異所占比率(77.97%)比Lei等[9]的70.35%更高，這種差異可能與研究所用的語言有關(guān)。因?yàn)闈h語(尤其是漢語普通話)音節(jié)結(jié)構(gòu)比德語的音節(jié)結(jié)構(gòu)簡單，輔音也相對較少[14]。尤其是在音節(jié)末尾的輔音上，漢語普通話只有[n]、[?]兩個(gè)并且還都是濁音，其音強(qiáng)的穩(wěn)定性要比擦音、塞擦音等輔音的穩(wěn)定性更強(qiáng)。本研究為Lei等的研究結(jié)果提供了更加有力的佐證。

對于同卵雙胞胎而言，盡管受遺傳因素的影響其發(fā)音器官高度一致，語音也高度相似，但反映其嘴巴打開與閉合習(xí)慣的音強(qiáng)斜率特性仍具有良好的區(qū)別能力，更進(jìn)一步說明發(fā)音器官的調(diào)音運(yùn)動具有個(gè)人特點(diǎn)[15]，同卵雙胞胎語音的音強(qiáng)特性也具有個(gè)體特殊性。但S+中也包含一定個(gè)體信息，實(shí)踐中應(yīng)聯(lián)合應(yīng)用。

從實(shí)驗(yàn)結(jié)果可以發(fā)現(xiàn)，本文使用的S+與S?兩個(gè)參量比利用音節(jié)間相對音強(qiáng)與相對時(shí)長在區(qū)別雙胞胎語音時(shí)更加有效。同時(shí)，本文的檢驗(yàn)方法所需語句少，更適合于實(shí)際案件中的短時(shí)語音檢材。但是，在實(shí)際應(yīng)用中尚有以下問題需要進(jìn)一步研究：

(1)需要對非同期語音樣本間的個(gè)體變異作進(jìn)一步研究。

(2)需要對不同語速、不同語氣、不同說話音量等條件下，漢語說話人S+、S?兩個(gè)參量的可比性進(jìn)行研究。因?yàn)椴煌Z言改變語速的方式可能不同[16]。對于漢語，語音受語速的影響不同，隨語速的加快音段/音節(jié)時(shí)長會縮短，音段時(shí)長縮短的幅度與音段屬性有關(guān)，輔音時(shí)長縮短的程度小于元音[12]。

(3)需要對自然語音與朗讀語音間音強(qiáng)斜率的一致性進(jìn)行研究。因?yàn)樵谧匀豢谡Z中，猶豫、錯(cuò)誤發(fā)聲、填音等都會影響到發(fā)音器官的運(yùn)動情況[9]。

此外，也需要對不同信道對音強(qiáng)斜率的影響進(jìn)行相關(guān)研究，諸如對語音進(jìn)行信道補(bǔ)償?shù)碾娫捳Z音等。