李运 赵凯

摘  要：为了依法有效提取音频资料证据，保护人民群众合法权益和财产安全，在法律和技术层面研究音频资料作为证据的有效提取方法。首先在实战部门进行调研，并完成模拟场景实验分析，然后设计了包含真实环境、实战装备、人物场景模拟等复杂场景实验条件，接着进行了多场景基于音频资料的语谱图实验分析总结，最终获得有效的音频提取方法，并形成一套应用较强的提取规范。研究总结的方法和规范可运用到公安实战工作中，符合执法规范，可操作性强，获取的音频资料证据有效，实战价值高。

关键词：证据;音频资料;语谱图;有效提取

中图分类号：TN912.3 文献标志码：A         文章编号：2095-2945（2020）27-0035-03

Abstract： This paper studies the effective extraction method of audio data as evidence. The purpose of the research is to extract audio data evidence effectively and protect people's legitimate rights and property safety. First of all， the investigation is carried out and the simulation scene experiment is analyzed. Then， the complex experimental scene conditions are designed. And it contains the real environment， combat equipment， character scene simulation and other content. Second， the paper analyzes and summarizes the multi-scene speech spectrogram based on audio data. Finally， this paper obtains an effective audio extraction method， and forms a set of extraction specifications with strong application. The methods can be applied to the actual work of the public security， which are in line with the law enforcement norms， with strong operability and high practical value.

Keywords： evidence; audio data; speech spectrum; effective extraction

1 概述

在2018年新修正的《中華人民共和国刑事诉讼法》第五章证据中的第五十条中，视听资料被列为第八种证据。说明证据必须经过查证属实，才能作为定案的根据，凸显了视听资料的重要性，同时也表明视听资料作为证据必须查证属实，也就是通常所说的有效，才能作为证据。

随着信息技术的迅猛发展，指纹、人脸识别、声纹等生物特征识别技术被广泛应用于公安机关案件侦破工作中。随着便携式录音设备越来越普及，音频资料作为证据的一种，能够反映案件发生过程中的事实，但音频资料在查证和检验鉴定过程中，对音频资料的录制和采集也提出了一定的挑战。为了达到诉讼要求，音频资料必须进行检验鉴定，在检验鉴定过程中，发现很多音频资料受到了质疑，有些是没有获取到关键信息，有些是存在噪声过大，无法检验，有些是在转存或证据采集过程中真实性或完整性遭到破坏。在公安工作中音频证据重要性日渐凸显，如何保证有效地收集音频证据成为公安“电子数据”证据走向科学化、规范化的中重要关键一环，研究如何规范化收集有效音频证据应对日常基层公安工作至关重要。

2 音频资料研究现状

对于音频资料的检验鉴定，在司法语音业界内称之为“声纹”鉴定，主要包含两方面的内容，音频资料的同一性鉴定和音频资料的真实性鉴定。声纹作为人类生物特征的一种，是每个人语音声学特征图谱的集合[1]。每个人的声纹是个体的长期稳定的语音特征信号，声纹鉴定就是把未知人的语声和已知人的语声，通过语图仪分别制成声纹图谱，再依据声纹图上的特征进行分析、比较和判断，完成音频资料的检验鉴定。

在音频资料的检验鉴定中，针对音频资料作为证据当成审判的依据，其有效的提取研究相对较少。音频资料的提取方法和技巧的研究是声纹鉴定技术与公安业务工作相结合的研究课题。在音频资料的检验鉴定中，一般经司法行政机关进行委托，再获得司法鉴定资格的鉴定机构进行检验鉴定。在检验鉴定工作中，发现司法行政机关提供的音频资料，常出现不规范、失效等问题，这也是由于业务部门欠缺对音频资料的提取和保存的相关技术研究和培训。总的来说，目前实战单位关于音频资料的相关应用较多，但研究实战规范性和有效性研究还较薄弱。

3 语音频谱在音频资料有效性检验中的运用

在我国的声纹检验鉴定中，声纹鉴定过程通过综合分析判断听觉评价、语音频谱比较和定量比对分析，得出检验鉴定的结论。无论是在同一性检验和真实性检验中，语音的频谱分析都是重要的检验鉴定环节。在语音的频谱分析中，使用的最主要的图谱就是语音的宽带语谱图。语音的宽带语谱图，主要采用了“短时分析技术”，将语音的时间、强度和频谱信息综合在一起形成的图谱，主要反映了话语人语音的共振峰特征信息。

语音共振峰反映声道谐振特性的重要特征，是声纹检验鉴定中的重要特征参数，包含了话语人的生物特征和行为特征的重要信息。共振峰中心的高低、浓淡和宽窄等参数表示了语音的音延（duration）、音频（frequency）和音强（intensity）等因素的变化。声道中的共鸣作用使一个音的加强区有别于另一个音的加强区，共振峰在频谱图上显示为水平方向的黑带，共振峰的形态和条数是检验鉴定中的重要参数。

在音频资料同一性鉴定分析中，认定同一的鉴定结论就需要以下内容作为支撑：此结论要求检材、样本中可供比对的音节有10个以上，每个音节有3条以上有效共振峰;所有可供比对音节的特征符合率超过90%。或者可供比对的音节有6个以上，一般是一个句子，每个音节有4条以上有效共振峰，特征符合率超过95%。如果检材、样本有伪装，则不能下此结论。由此可以看出，每个音节中的有效共振峰的条数是同一性检验鉴定的主要因素。为了达到检验鉴定的目的，音频资料有效提取的首个重要参数就是共振峰的条数。

在音频资料完整性检验鉴定分析中，频谱的检验也是至关重要的。对频谱的连续性和完整性的分析检验是检验结论的重要支撑。

4 语音有效提取的实验和分析

为贴近实战，总结不同场景中语音有效提取的难点和要点，通过模拟场景方法，获取两个比较典型的场景案例进行分析总结。第一个场景是公共场所，如火车站、广场和餐厅等背景比较嘈杂的场景。第二个场景是室内环境，如小区房、写字楼、密闭酒店背景较为安静场景。

为达到一线民警较容易进行分析的目的，实验软件分析没有采用专业的司法语音鉴定软件，而采用较容易获取的语音分析软件praat进行语音频谱分析，达到了预期实验目的。下面将通过两个部分分别对两个不同场景的实验数据进行分析总结。

4.1 嘈杂公共场所的语音有效提取和分析

在嘈杂的公共场所完成语音提取难度较大，主要是由于嘈杂的公共场所语音的混响较大和不确定的随机噪声较多两个因素。为达到较好的实验效果，采用模拟场景的实验方法。模拟乘车人员和工作人员由于纠纷产生争吵的场景。铁路民警在控制现场、排解纠纷过程中，王某情绪激动，周围围观人员较多，并使用随身携带的维修工具将民警打伤，但在被制服后，说民警先对其进行无端殴打，被迫自卫还手。由于现场混乱随身携带警用执法仪器在劝阻过程中被打落，因此现场的录音成为还原事件的关键证据。

实验选取了语音中的“犯罪”两个字作为分析对象，将在上述模拟场景中的语音检材与同样环境但噪声较小时获取语音检材的图谱数据进行对比。图1是模拟场景中提取到的语音检材语谱图。图1语谱图中有高音强噪声，时域图谱中有明显噪声波形，频谱中噪声图谱充满整个图谱频域。图2语谱图中噪声较小，图谱清晰。图1在噪声条件下关键语音图谱被噪声覆盖且不满足有效共振峰的个数，提取的音频资料不能作为证据，属音频资料的无效提取。图2噪声环境较小，关键语音图谱清晰，且具备三条以上的有效共振峰条件，属音频资料的有效提取。根据多次反复实验，在高音强噪声环境下，提取的音频资料中的关键语句60%以上共振峰数目不足或存在语音重叠的情况，不能作为有效证据[2]。

当案件发生地点出现在这类特殊噪声环境中时，公安执法人员应当首先劝离围观群众，形成一定执法区域或在环境噪声较小场地进行执法，执法过程中应减少多人同时说话造成的语音重叠，维持双方的对话秩序。当外界自然状态音频（比如火车站火车鸣笛声）振动无法规避时，公安人员应按照公安部关于印发《公安机关现场执法视音频记录工作规定》规范进行音频收集，同时在保障自身安全的前提下进行音频证据的获取，最重要的是需要执法人员在音频证据提取时一定要保留原始载体，避免录音证据证明力不足的情况[3]。特殊情况下执法人员可收集相应环境下的噪音数据，并移交司法鉴定部门使用音频资料处理技术手段，对噪声进行分解去除，提高办案效率和司法部门的鉴定效率[4]。

4.2 安静场景中语音有效提取分析

在较安静场景下对音频资料提取的有效性影响较小。音频资料的有效提取关键在于声源距离和角度、执法规范、关键信息获取、录音设备等[5]。案件发生时，执法人员作为主动取证方，应执法规范，保持与被采集人尽量近的距离，远离噪声源，合理调动被采集人的情绪，运用较好的音频资料录制设备。

实验模拟某民警住宅房间内执法的情景，在执法过程中某男不满执法结果，公然妨碍民警执法，使用侮辱性词汇攻击民警，并动手推搡执法人员，导致民警手部挫伤，执法记录仪掉落。在回看执法视频时，由于民警距离该男距离稍远，录音角度没有正对，且执法仪被打落于沙发下，导致推搡视频未被录上。同样场景下，民警应保持与该男合理距离和角度，冷静控制该男情绪，发生肢体接触时有效保护执法记录仪。

通过两个不同场景实验，对音频资料中的“混蛋”一词进行对比分析。图3为前一场景下获取的音频资料。语音图谱分析范围在0-5000Hz，“混”音长约1.57s。图3中，声源距离较远、录音角度未正对时，语图中“混”的音强很小，宽带语图不清晰，检测不出共振峰。图4为后一场景下获取的音频资料。语音图谱分析范围在0-5000Hz，“混”音长约1.76s。图4中，声源距离和角度合适，语图中“混”的音强较大，宽带语图清晰，共振峰大于3条。分析上述两种场景，图3场景中关键语句音强较小，混响较大，共振峰不清晰，条数不满足鉴定条件。图4场景中，关键语句音强较大，语图清晰，共振峰条数满足鉴定条件。

安静场景中对音频资料提取时，有效提取难度较小，但也存在无效提取的现象。执法人员首先要注意保持执法记录仪的状态稳定，在音频资料提取中要注意以下几点。第一与声源的距离合适，角度要正对;第二执法规范，控制对方情绪;第三语音不能重叠，关键信息反复询问;第四保持执法记录仪的正常状态。

根据上述典型实验和数据对比分析，执法人员在采集音频资料作为证据时应当注意的规范包括[6]：（1）确定收集犯罪嫌疑人表达其犯罪的内容;（2）避免语音重叠，尽量让犯罪嫌疑人发声;（3）引导犯罪嫌疑人重复关键信息;（4）

确保犯罪嫌疑人语义连贯;（5）远离产生噪声的物体;（6）防止录音设备震动导致录音中断;（7）录音距离在保证自

身安全的情况下，接近犯罪嫌疑人。

为了避免丢失较多共振峰特征，达到音频资料的有效提取，录音设备选用规范为[7]：（1）选择PCM无损编码格式;（2）采样率大于8kHz;（3）含有动圈麦克风，如果室内环境工作办案多于室外环境选择电容麦克风，电容麦克风抗阻指数参照100-250Ω，电容麦克风抗阻指数参照500-550Ω;（4）频率范围参照20-10kHz;（5）动态范围达60dB。

5 结束语

本文研究了音频资料在证据中的作用，分析了语音频谱在音频资料有效性检验中的运用，运用模拟场景方法通过对音频资料的有效提取进行了实验，总结了音频资料采集和有效提取时的注意事项和一般规范。通过音频资料的有效提取，可还原案件发生时真实场景，提高执法人员执法时的工作效益，推动公安工作的执法规范进程，促进以“审判为中心”的注重证据的司法制度改革。

参考文献：

[1]王英利，李敬阳，曹洪林.声纹鉴定技术综述[J].警察技术，2012（4）：53-56.

[2]何少岩，陈蕉容，陈舜儿.基于录制环境检测的数字音频取证研究[J].计算机工程与设计，2013（12）：4142-4145.

[3]杨锐.数字音频取证方法研究[D].广州：中山大学，2010.

[4]贾丽雯.刍议听音与司法鉴定[J].湖北警察学院学报，2013（4）：183-185.

[5]黄晓丹.音频司法鉴定的研究[D].厦门：厦门大学，2012.

[6]黄燕芳.聲纹样本收集过程中存在的问题和解决方法[J].铁道警察学院学报，2007（10）：95-96.

[7]秦天芸.加性噪声下录音设备来源取证研究[D].宁波：宁波大学，2019.