声纹鉴定

定义

声纹鉴定是指以录音中反映说话人生理构造与言语习惯的语音特征为依据，通过比对检材语音与样本语音，判断二者是否来自同一说话人的专门技术^[1]。在不少文献中，它与说话人识别、语音同一性鉴定、法庭语音比对所指相近，只是使用场合不同^[1][6]。

在司法鉴定体系里，它属于声像资料鉴定中的录音鉴定事项，与录音真实性鉴定、录音内容分析等并列；其产出是鉴定意见，用于回答涉案语音中的说话人是否为特定对象^[4]。技术依据并不限于单一学科，语音学、生理学、物理学、计算机科学与统计学的方法都会被用到^[2]。

原理

判断依据来自发声系统。声带振动产生带周期性的气流脉冲，气流经过咽腔、口腔、鼻腔构成的声道时被选择性放大，形成各元音特有的共振峰；声带、声道、唇、齿、舌、腭的形态和尺寸因人而异，使共振峰的频率与走向带上个人色彩^[7][8]。此外，语速、语调、方音、口头习惯等后天因素也被视为可比对的线索^[1]。

声谱仪把语音转成横轴为时间、纵轴为频率、灰度表示强度的语谱图，宽带的语图便于看清共振峰轨迹，窄带的语图便于观察基频与谐波结构^[7][9]。检验通常从听辨入手，再比对语图与声学参数，最后综合评断，形成听觉、声谱、数据三个层面的证据^[4][1]。

定量比对常用的参量包括基频均值与范围、前三个共振峰的中心频率与带宽、元音过渡段的形态、音节与音素时长以及短时能量等。自动说话人识别则先提取梅尔频率倒谱系数等特征，再以高斯混合模型或深度神经网络嵌入向量建模，输出相似度得分。在法庭评价框架下，得分经校准后转为似然比，用来表达证据对同一人假设与不同人假设的支持强度，可写为 $LR=\frac{p(E\mid H_p)}{p(E\mid H_d)}$，取对数后正负对称，便于比较强弱^[10]。

发展历程

早期辨别说话人完全依靠人耳听辨，主观性较强，难以重复验证^[7]。1944 年，贝尔实验室的 L. G. Kesta 研制出音响光谱图像显示器，并提出声纹概念，使声音可以借助仪器转化为可读图像，声纹鉴定由此具备了技术条件^[7]。

此后数十年，研究重心从实验室走向实际案件，方法上逐步形成听辨、图谱分析、定量分析与综合判断相结合的流程^[1]。国内学者把多元统计引入声学参量比对，探索判别模型与判定阈值，以提高结论的可重复性^[11]。

2012 年修改后的《中华人民共和国刑事诉讼法》将视听资料、电子数据列为法定证据种类，录音材料的证据地位进一步明确，相关鉴定需求随之上升^[12]。与此同时，自动说话人识别与深度神经网络被引入法庭语音研究，学界就机器结论与专家意见如何衔接持续讨论^[13]。

规范层面，司法部 2010 年发布《录音资料鉴定规范》，其中的语音同一性鉴定部分成为国内鉴定的重要依据；2021 年 11 月 17 日，修订后的《语音同一性鉴定技术规范》作为司法行政行业标准实施，细化了设备工具、录音采集、记录要求与鉴定意见表述^[5]。

应用

在刑事案件中，声纹鉴定可用于涉案电话、语音消息等录音与嫌疑对象录音的比对，为划定排查范围提供线索，也为认定说话人提供意见^[3][4]。绑架、敲诈、骚扰恐吓以及经济纠纷中的录音争议，都是常见的委托情形^[1]。

在民事诉讼中，微信等即时通讯软件的语音常被作为证据提交，当对方否认语音为本人所说时，可委托进行语音同一性鉴定；压缩编码会损失部分高频信息，但个体共振峰特征仍可能保留^[14]。除同一认定外，鉴定还可就说话人的地域、性别、年龄、文化程度、职业等属性作出分析，并可用于录音真实性与完整性检验^[4]。

声纹技术本身也用于身份认证领域，如电话银行、远程交易与智能设备的声纹解锁，其技术积累与法庭应用相互支撑。不过法庭场景对可比条件与结论表述的要求，明显严于一般商用认证。

局限

鉴定能否开展高度依赖录音条件。手机通话与网络语音经过压缩与传输，可能出现高频衰减、频谱畸变与丢包，检材质量不足时比对难以进行，甚至可能误导判断^[15]。有研究以语图中可辨识的共振峰数量、能量区间等设定受理门槛，说明可比性本身需要事先评估。

说话人自身的变化同样构成限制。录音相隔数年，声带与声道状态会随年龄改变；情绪波动、故意装腔也会使基频与韵律偏离常态，降低特征的重现性^[8][9]。检材与样本语种、方言或说话风格不一致时，可比性进一步下降^[1]。

方法层面亦有边界。声纹的个体独特性常被类比为指纹，但这一假设在统计上并未得到严格证明，同一性结论因此不宜表述为确定无疑^[16]。自动识别系统的表现受参考人群规模、录音条件匹配程度影响，单独使用可能给出误导性结果，实践中多与听觉和声学语音分析结合使用^[17][13]。合成语音的出现还带来新的辨识问题，现有研究显示合成语音与真人在高频共振峰和辅音至元音过渡段上存在差异，但相关判断仍以听觉分析为重要参考^[18]。

结论的证明范围也有限度。语音同一性只能回答两段声音是否出自同一人，不能直接证明某个通讯账号由谁使用，账号归属仍需其他证据支撑^[14]。

参见

• 语音同一性鉴定技术规范 —— 中国规范声纹鉴定步骤、记录与意见表述的司法行政行业标准。

• 声谱仪 —— 把语音转换为可视语谱图、支撑图谱比对的核心仪器。

• 共振峰 —— 反映声道形态、用于比对说话人特征的主要声学参量。

• 梅尔频率倒谱系数 —— 自动说话人识别中最常用的语音特征之一。

• 似然比 —— 衡量语音证据对同一人假设支持强度的法庭评价工具。

• 声像资料鉴定 —— 声纹鉴定所属的司法鉴定类别。