借用我在“我們能識別模仿發音嗎？”，首先要介紹壹下發音的特殊性和穩定性。(這是聲紋識別的基本原理。各種教材有不同風格的表述，但都在說同壹件事。我給學生上的第壹課就是讓他們記住這個原理。):
由於發音的特殊性，發聲器官分為聲門上系統、喉系統和聲門下系統。每個人都有自己的壹套發聲器官，它們的形狀和結構都不壹樣。每壹次發音都需要很多發聲器官相互配合，共同運動。這就決定了語音的物理屬性(也稱語音四要素):音質、音長、聲強、音高。這些物理量因人而異，所以聲音在聲紋圖上表現出不同的聲紋特征。根據這些聲紋特征參數，不僅可以區分聲音，還可以識別同壹個人的聲音。
言語的穩定性。壹個人的發聲器官成熟後，其解剖結構和生理狀態是穩定的，而發音的社會心理屬性，如說話人的說話習慣，使得如果每個人在不同的時間說同樣的文字內容，基本的語音特征是穩定的。所以，妳可以把人的聲道看成管樂中的喇叭。長號和短號雖然都是小號，但由於聲道的形狀和長短不同，音質也不壹樣。
目前，聲紋識別方法有兩種:
第壹，中國司法實踐中廣泛使用的“人工辨認”——專家鑒定人依靠語音學方法。
二是未來發展方向的“自動識別”——計算機通過算法模擬人耳對聲學特征的提取、訓練和比較。
那麽“變聲器”是壹種什麽樣的深刻的東西呢？變聲器是改變輸入音頻的音色和音調，輸出改變後的音頻的工具(百度百科)。其實還有音速，百度百科漏掉了。另外聲音大小就不用說了，不用變聲器也能變。那麽語音四要素的音質(音色)、音調(對應的音高)、聲強(對應的聲音大小)、音長(對應的聲速)都發生了變化，語音的物理屬性也發生了變化。如何識別他們？
a不要把“變聲器”想得那麽深奧
在識別中，“變聲器”不就是壹個通道嗎？信道的定義就是信號傳輸的信道，我們的識別叫做聲紋識別。實際上，分析和檢驗的並不是真正的人聲，而是人的錄音——聲音信號。各種錄音設備可以看作通道，各種編碼方式也可以看作通道，都改變了聲音信號。比如對講機，電話，都算是渠道。妳的聲音是通過對講機傳遞的，妳的聽覺已經被扭曲了。妳已經感受到了通道對語音信號的影響。目前市面上的“變聲器”，無論是硬件還是軟件，主要是改變基頻，把低沈的聲音(男聲)變成尖銳的聲音(女聲、童聲)。(關於變音色，壹方面音色肯定是變了。重采樣改變基頻後，音色的峰值特性壹定發生了變化。另壹方面，其* * *振動峰的變化是整體變化的，相對關系可視為常數。)當然，準確的說，只是我們的聽覺和社會理解中所謂的男聲、女聲、童聲、老人聲。聲音不是性特征，不能區分男女，只能統計。反例是“鄭”的聲音，那麽高，聲帶很長(正相關)。網上搜壹下，聽聽。妳覺得自己是男的還是女的？此外，柯南在漫畫中用變聲器神奇地把它變成了毛利小五郎。現實中不可能做到這麽精準，達到這麽好的效果。理論上，它只需要從毛利小五郎收集大量的聲學數據。
“變聲器”改變聲音的物理特性，而不是評價意義上的所有聲學特征。
如前所述，常用的人工語音識別方法的主要優點是可以分辨出計算機難以識別的“高級聲紋特征”，如方言口音、成語、多余詞、語音缺陷、韻律特征等。這算什麽“高級”？我們知道的辨別壹個人聲音的第壹件事就是通過這些特征；模仿秀在模仿的時候也非常重視這樣的特點。但電腦很難識別，這叫“高級功能”。是的，人耳是最精密的聲紋識別儀器。非專業人士不熟悉的“低級聲紋特征”，如* * *振動峰值、基頻等，是計算機最熟悉的，甚至連聲強、聲長、VOT都能被計算機識別。
c“變聲器”改變語音的物理屬性，在識別樣本時也可以用同樣的方法改變樣本。
無論是人工辨認還是自動辨認，都是通過對案件的錄音——“檢驗材料”和對嫌疑人的錄音——“樣本”來進行比對。由於變聲器是通過某些設置改變過的“樣本”，所以只需要用相同的設置改變“樣本”即可。如前所述，變聲器是壹個廣義的通道。曾經有壹個鑒定人認為聲音被扭曲了，因為是“變聲器”的案例，必須通過信號還原之前的聲音才能鑒定。這種思路，先不說在現在的技術下，渠道恢復是壹點都恢復不了的，主要是不考慮。我們識別被分析的記錄，哪壹個不是通過信道的信號處理的結果？再高的采樣率，再精細的精度，也是離散變化的結果。真的能等於人聲那樣的連續信號嗎？都是經過信道，經過信號的處理，只是差別大小不同，聽感不同。
問題2:說“聲波和指紋壹樣，無論怎麽變化都可以被識別”對嗎？
回答:沒有。
“聲波”這個術語是錯誤的。每次聽到“聲波”這個詞，我都會想到蝙蝠，這是非專業人士經常使用的術語。專門做聲紋識別的人，對識別的理解比較好，對物理和信號處理的理解比較膚淺，對蝙蝠等生物的了解不多。司法實踐中，法官、檢察官、公安機關偵查人員都以我們的專業意見為權威。至於各個法學院的教授，可能會有不同的看法，但是他們說可以算。他們為什麽需要法官？為了準確回答這個問題，我搜索了百度，裏面出現的論文要麽是我自己寫的，要麽是我的老師寫的，要麽是我熟悉的同事寫的。也就是說，百度上所有這些似是而非甚至自相矛盾的相關解讀，都來自於我們對同壹事物的不同理解和表述。“聲紋”壹詞是在20世紀80年代這項司法科學技術傳入中國時，由最早的鑒定人定義的。這個標題是根據語音識別法使用的語音圖譜，通俗易懂，習慣性使用。“聲紋識別”是整個語音識別的總稱，包括同壹語音的識別、錄音的真實性檢驗、語音的降噪和信噪比的提高。也指單獨語音身份的識別。“聲紋”是主要鑒定依據——聲紋的簡稱；也是語音作為生物特征的總稱。目前鑒定方法已經發展起來，聲譜圖分析聲學特征的方法不是唯壹的鑒定方法，所以稱之為“法醫語音鑒定”更準確，稱之為“聲紋鑒定”更方便。簡而言之，愛怎麽叫都行，但不能叫“聲波”，因為“聲波”是別的意思。
“聲波”不同於“聲紋”
因為翻譯和理解的區別，大概來源於這幾個詞:聲波、頻譜、聲音、共振峰、強度。如果鑒定人說的是聲波，那肯定是指波形圖(見圖1)，指的是強度。在語音學的聲紋識別中，不是主要特征，主要特征是共振峰***振動峰(見圖2)。