Как изменить голос для фоноскопической экспертизы

Можно ли улучшить качество записи аналогового (пленочного) диктофона?

Можно ли доказать, что запись голоса в телефоне не является подлинной?

Для того чтобы доказать подлинность записи, необходимо провести фоноскопическую экспертизу по следующим вопросам: имеются ли на фонограмме признаки монтажа или иных привнесенных изменений, является ли представленная запись оригиналом или копией. Перед экспертом также могут быть поставлены и другие вопросы, направленные на исследование характеристик фонограммы, условий записи и т.п. Для проведения исследования необходимо предоставить фонограммы, подлежащие исследованию, а также (при возможности) аппаратуру, при помощи которой была произведена запись.

Можно ли установить дату, когда была произведена запись аудио или видео-ролика?

В общем случае установление даты записи аудио или видео-ролика возможно, но выбор метода будет зависеть от каждой конкретной ситуации, вида записи, звукозаписывающего устройства. Данное исследование может потребовать привлечения экспертов-криминалистов или экспертов в области компьютерно-технических экспертиз.

Принимают ли суды аудиозаписи как вещественные доказательства?

Необходимо ли предоставлять диктофон для проведения экспертизы?

Сколько времени требует проведение фоноскопической экспертизы?

Можно ли установить дословное содержание сильно зашумлённой и тихой фонограммы?

Можно ли использовать диктофон, встроенный в мобильный телефон?

Использование диктофона, интегрированного в сотовый телефон, допускается в случаях, когда использование более качественных средств звукозаписи не представляется возможным. Большинство мобильных устройств, представленных на рынке в настоящее время, снабжены функцией диктофона, однако следует учитывать, что при записи используются психоакустические алгоритмы сжатия (преобладает так называемый Adaptive multi rate). Сжатие звукового файла неизбежно влечёт за собой потерю идентификационно-значимых спектральных компонент и иных важных для фоноскопической экспертизы признаков. В то же время нередки случаи, когда экспертам-фоноскопистам удавалось успешно проводить исследования звукозаписей, произведённых при помощи диктофона мобильного телефона.

Какой временной интервал допускается между производством спорной фонограммы и фонограммы-образца для проведения идентификации диктора?

Возможно ли проведение фоноскопической экспертизы записи разговора по сотовому телефону?

Возможно ли проведение фоноскопической экспертизы сжатой при помощи психоакустических алгоритмов (MP3, WMA, OGG) фонограммы?

Возможно ли проведение экспертизы звукозаписи речи лица, говорящего на иностранном языке?

Какова минимальная продолжительность файла для проведения идентификационного исследования?

Возможно ли проведение идентификации диктофона, на котором проводилась запись?

Может ли цифровая подпись файла являться доказательством аутентичности звукозаписи?

Имеют место случаи, когда цифровая подпись и особенности кодирования позволяли существенно облегчить работу эксперту-фоноскописту, но это, скорее, исключения. Цифровая подпись не может гарантировать аутентичности записи по некоторым причинам. Во-первых, не существует никаких гарантий, что в звукозапись, содержащуюся в памяти диктофона, не были привнесены изменения до её фиксирования самим устройством. Особенно характерна данная проблема для звукозаписывающих устройств, оборудованных линейным входом для выносного микрофона. Во-вторых, диктофон должен быть сертифицирован в соответствии со стандартами, регламентируемыми действующим законодательством Российской Федерации. В настоящее время сертифицировать звукозаписывающее устройство крайне затруднительно (см., например Постановление Правительства РФ от 26.06.1995 N 608 в редакции от 21.04.2010 «О сертификации средств защиты информации»).

Какими законодательными актами регламентируется звукозапись лиц?

Принимает ли суд копии фонограмм (видеофонограмм) в качестве доказательства?

В каком виде представляются объекты для фоноскопической экспертизы?

Материалы принято представлять в запечатанном, исключающем возможное вскрытие, виде. После вскрытия эксперт устанавливает объекты исследования, составляет подробное описание каждого. Это делается в целях сохранения неизменности и первичности объектов исследования на протяжении всей фоноскопической экспертизы. Описываются как характеристики самой фонограммы (длительность, частота дискретизации, способ кодирования, битрейт, с каких слов начинается и какими заканчивается, формат файла), так и характеристики звукозаписывающего устройства (если представлено) или иного носителя информации.

Какими методами пользуется эксперт-фоноскопист?

Какое оборудование используется при проведении фоноскопической экспертизы?

Сколько времени занимает установление дословного содержания?

Разрешается ли предоставление установленного самостоятельно дословного содержания в целях его уточнения или дополнения?

Насколько соответствует действительности мнение о превосходстве качества и пригодности для проведения фоноскопической экспертизы аналоговых звукозаписей над цифровыми?

На каком типе информационного носителя следует представлять материалы?

Как оценить качество шумоочистки?

Принимается ли в качестве доказательства звукозапись после шумоочистки?

Возможна ли очистка звукозаписи от помех, возникающих вблизи сотовых телефонов и иной радиотехники?

Как записать разговор по сотовому телефону?

Чем Ваша фоноскопическая лаборатория отличается от подобных?

Возможна ли идентификация лица, использовавшего специальные технические средства для маскировки голоса?

Возможно ли извлечение фонограммы из неисправного цифрового диктофона?

Стоит ли использовать выносной микрофон?

Где разместить звукозаписывающее устройство при проведении скрытой звукозаписи переговоров?

УДК 340.69

ОСОБЕННОСТИ СУДЕБНО-ЭКСПЕРТНОГО ИССЛЕДОВАНИЯ ГОЛОСА, ИЗМЕНЁННОГО ПРИ ПОМОЩИ КОМПЬЮТЕРНО-

ТЕХНИЧЕСКИХ СРЕДСТВ

А.К. Лебедева

В статье рассматриваются особенности использования компьютерно-технических средств для изменения некоторых обликовых характеристик говорящего, указывается то, каким образом, данное обстоятельство, может значительно осложнить диагностику некоторых обликовых характеристик личности в процессе производства судебной фоноскопической экспертизы. Компьютерно-технические средства для изменения голоса человека разделены на две группы, описаны некоторые приемы исследования измененного голоса.

Ключевые слова: судебная фоноскопическая экспертиза, обликовые характеристики диктора, маскировка голоса, питч-шифтинг.

Судебная фоноскопическая экспертиза обликовых характеристик личности является одним из видов судебной фоноскопической экспертизы и направлена на решение задач по диагностике различных обликовых характеристик личности по фонограммам речи.

К обликовым характеристикам диктора мы относим, например, такие характеристики как:

— половозрастные и анатомо-физиологические характеристики диктора,

— степень владения языком (на котором диктор говорит на исследуемой фонограмме),

— региональную принадлежность,

— эмоциональное состояние говорящего,

— его психофизиологическое состояние (отклонение от нормы, патологии),

— уровень образования и речевой культуры,

-социокультурный статус.

К сожалению, несмотря на все неоспоримые преимущества технического прогресса, у него есть и отрицательный эффект. Например, существует огромное количество компьютерно-технических средств, которые к тому же постоянно совершенствуются, способных искажать речь говорящего и затрудняющих решение, в том числе и задач по диагностике некоторых обликовых характеристик говорящего.

Большинство подобных компьютерно-технических средств направлены на изменение в первую очередь пола и возраста говорящего, поэтому именно на этой проблеме мы остановим свое внимание в данной статье.

Стоит отметить, что часто, когда говорят о половой принадлежности диктора, используют понятие «сексолект», которое обозначает «набор идентифицирующих индивидуальных признаков человека, относящихся к полу лица» [1, с. 314-320].

Существует множество различных по своим функциональным возможностям программ для изменения сексолекта диктора, например, «Voxal Voice Changer», «AV Voice Changer Diamond», «Audacity», «Поддельный голос», «Adobe audition», «Wave pad sound editor». Вышеуказанные программы созданы в первую очередь для персонального компьютера, однако существуют и приложения для изменения голоса для современных мобильных телефонов и смартфонов, которые с легкостью можно скачать в сети Интернет. Данные программы позволяют без труда изменить половую принадлежность и возраст диктора, и, таким образом, помочь преступникам сокрыть свою личность.

Большинство компьютерно-технических средств для изменения сексолекта диктора или его возраста работают на одном и том же алгоритме: они автоматически по заранее заложенным в них программам изменяют те параметры голоса, которые составляют функционально-динамический комплекс акустических навыков человека, в первую очередь, частоту основного тона голоса.

Существующие программы для изменения голоса мы предлагаем разделить на две группы:

1. Изменяющие речевой сигнал непосредственно перед его поступлением в канал записи, то есть в реальном времени.

2. Изменяющие уже записанный на фонограмме речевой сигнал посредством постобработки.

К первой группе мы относим те программные средства, которые изменяют речевой сигнал непосредственно в момент его произнесения человеком, то есть в реальном времени, например, при разговоре по телефону с помощью специальных приложений, или посредством программы «Skype». Такой способ используется, когда необходимо скрыть свою личность, но нет возможности избежать разговора в реальном времени. Аналогичный алгоритм, по которому работают программные средства, изменяющие голос в реальном времени, используется в гитарных эффект-процессорах. Схема работы данного алгоритма следующая: в начале, речевой сигнал преобразуется в цифровой код с помощью аналого-цифрового преобразователя (АЦП). Затем процессор пересчитывает данный код в соответствии с алгоритмом, записанном на процессоре. На выходе процессора цифровой код преобразуется обратно в электрический сигнал посредством уже цифро-аналогового преобразователя (ЦАП), который слышит адресат на другом конце телефонного провода.

При использовании таких программных средств часто имеют место задержки при передаче уже изменённого речевого сигнала. Перед записью голоса или перед разговором по телефону пользователь выбирает в программе, каким образом он хочет изменить свой голос, насколько понизить или повысить частоту основного тона, и только потом начинает соответственно запись или разговор.

При исследовании таких фонограмм сложность заключается в том, что никаких признаков неситуационных изменений, вносимых в фонограмму, не формируются, создаётся полностью новая, непрерывная фонограмма, с

записанным на ней речевым сигналом, изменённым непосредственно в процессе его записи.

Ко второй группе относятся те программы, которые проводят постобработку речевого сигнала, то есть изменениям подвергается уже сама фонограмма, записанная при помощи какого-либо устройства. При таком способе изменения сексолекта и возраста диктора возможна ситуация, когда фонограмму с записью голоса одного человека разбивают на части, и обрабатывают каждую часть по отдельности различными способами и программными средствами. Таким образом, в результате проделанных изменений могут быть получены несколько фонограмм с различающимися голосами из одной фонограммы с записью голоса одного человека. В таких случаях, кроме поиска признаков изменения акустических характеристик речевого сигнала, эксперту следует обратить внимание на возможность существования признаков монтажа фонограммы.

Обе группы указанных выше программ, изменяющих сексолект и возраст диктора, базируются на одном и том же алгоритме, в соответствии с которым производится изменение основного тона путём либо растягивания, либо сжатия коротких участков речи. Для сохранения естественного темпа речи в случае понижения тона (растягивания фрагментов) некоторые фрагменты удаляются, в случае повышения тона (сжатия фрагментов) некоторые фрагменты дублируются.

Процесс изменения высоты звука без изменения его скорости называется «питч-шифтинг» от английского «рйсИбЫй^» [2], что переводится как «изменение основного тона». Во избежание «искусственного» звучания голоса, чтобы он воспринимался как «естественный», применяют алгоритм коррекции формант, который восстанавливает позицию формантных частот после или в момент питч-шифтинга. Таким образом, мы изменяем частоту основного тона, но оставляем неизменным формантные частоты.

Профессор Потапова Р.К., которая свое внимание часто уделяла вопросам обликовых характеристик диктора, в своих работах [1, с. 314-320] указывала, что если удалить из спектра мужского голоса полосы частот от 100 Гц до 50 0 Гц, то измененный голос на предъявляемой слушателям фонограмме квалифицируется как принадлежащий диктору-женщине.

Исследование голоса, измененного при помощи компьютерно -технических средств, является сложной и спорной задачей судебной фоноскопической экспертизы. Вследствие того, что инструментальное исследование измененного голоса, записанного на фонограмме, до сих пор имеет ряд сложностей, эксперты на практике используют лингвистические методы выявления изменений, которые вносятся в фонограммы. Как нам известно, содержательная и смысловая часть речевого продукта характеризует целый ряд признаков личности, а в случае намеренного изменения голоса с помощью компьютерно-технических средств не происходит изменения содержательной части высказываний, а только акустических характеристик.

Процесс производства судебной фоноскопической экспертизы включает в себя комплекс разнообразных методов, не только лингвистического анализа, но

325

и инструментального. Вследствие этого, несмотря на то, что некоторые лингвистические характеристики голоса могут и не изменяться в случае использования компьютерно-технических средств для искажения пола и возраста говорящего, специалист должен уметь определить факт изменения голоса лица и при помощи инструментальных методов анализа.

Насколько нам известно, на данный момент нет методик исследования именно измененного голоса, поэтому мы проанализируем какие из существующих методов судебной фоноскопической экспертизы можно применить к исследованию измененного при помощи компьютерно -технических средств голоса.

При диагностике факта использования компьютерно-технических средств для изменения некоторых обликовых характеристик говорящего необходимо обращать внимание на признаки, указывающие на наличие акустической маскировки в фонограмме, относящиеся к неситуационным изменениям.

Тем не менее, весь процесс экспертного исследования фонограммы с предположением о намеренном изменении голоса не сводится только к поиску признаков, свидетельствующих о наличии изменений, внесённых в фонограмму. Необходимо также установить характер и причину возникновения выявленных признаков.

Необходимо также помнить, что современные программные средства умеют уничтожать следы изменений, вносимых в фонограмму. Например, в программе «Sound Forge» имеется возможность создать желаемую форму звуковой волны, подогнать темп и изменить спектральные характеристики, тембр и качество звучания исходной фонограммы, удалить следы монтажных переходов, что существенно затрудняет процесс производства судебной фоноскопической экспертизы.

Голос на фонограмме, измененный как первым, так и вторым способом, можно исследовать путем анализа служебной информации аудиофайлов, в рамках которого проводится изучение бинарной структуры аудиофайла, его метаданных и иных служебных свойств. Подобный анализ проводится с помощью таких программ, как «DUMP», «Exiftool», «WinHEX» или 16 -ричных редакторов, типа «Tiny Hexer».

Например, «DUMP» даёт детальный отчёт о структуре файла, в котором, например, содержится информация о том, является ли фонограмма оригиналом или копией, можно определить также, с помощью какого устройства, была создана фонограмма, и с помощью какого программного средства в неё вносились изменения.

В процессе инструментального анализа проводится исследование статистических и динамических, мелодических и спектральных речевых характеристик.

Основные положения инструментального исследования голоса построены на том, что спектральный состав голоса индивидуален для каждого человека, несмотря на общие механизмы образования тех или иных звуков.

Особое внимание в ходе инструментального анализа стоит обратить на сознательно практически не контролируемую индивидуальную специфику

326

произношения на уровне реализации спектрально-формантной микроструктуры отдельных звуков и звуковых комплексов, проявляющуюся в речи диктора.

Как отмечает профессор Е.И. Галяшина, одним из наиболее значимых акустических идентификационных признаков голоса человека, изучаемых в процессе инструментального анализа, являются характеристики формант: «абсолютные и относительные значения частоты формант, их амплитуда и ширина, скорость их изменения во времени» [3].

Как известно, именно гласные звуки отличаются друг от друга своей формантной структурой, которая зависит от геометрии речевого тракта в момент речеобразования — именно так их и различает человек на слух. Известно, что «диапазон значений первых трёх формантных частот (условно обозначаемые F1F2F3) ударных каждого языка значительно шире диапазона этих частот для каждого диктора в отдельности» [4, с. 81-104]. Это создаёт основу для различения дикторов в пространстве этих частот. Индивидуальность говорящего определяется общей формой спектра, то есть соотношением уровней сигнала в спектральных полосах. Существенно отметить при этом, что форманты служат способом реализации указанных полосных соотношений. Таким образом, точные численные значения формантных частот индивидуальны для каждого человека, но в тоже время относительное расстояние между формантами между имеет примерно одинаковые пропорции у всех людей, потому что в ином случае невозможно было бы распознавать звуки, произносимые людьми.

Следует учитывать, что формантные соотношения ^2/Р1, F3/F1, F3/F2) будут более информативными, чем просто значение формант. Данный тезис подтверждается результатами анализа экспертных заключений по вопросам распознавания диктора по реальным фонограммам, который доказывает, что при изменениях абсолютных значений формант в силу тех или иных причин (например, в зависимости от ситуации речевого общения, эмоционального состояния говорящего и т.д.) соотношения формант почти не меняются. Таким образом, соотношения формант более устойчивы, чем просто абсолютные значения формант и поэтому являются более весомым идентификационным признаком.

В процессе исследования измененного голоса при помощи компьютерно -технических средств путем изменения частоты основного тона нами было обнаружено, что форманты в процессе редактирования и изменения речевого сигнала изменялись пропорционально, таким образом их соотношение сохранилось неизменным. Следовательно, можно предположить, что, несмотря на изменение частоты основного тона, такой значимый идентификационный признак, как соотношение формант, не изменяется. Маскировка некоторых обликовых характеристик диктора с помощью компьютерно-технических средств, использующих алгоритм изменения частоты основного, не позволила изменить все индивидуальные признаки голоса лица, что в совокупности с полной сохранностью лингвистических признаков делает идентификацию диктора принципиально возможной.

Таким образом, несмотря на отсутствие в настоящее время специальных методов исследования голоса, измененного при помощи компьютерно -технических средств, есть возможность как установления факта использования вышеуказанных средств, так и в некоторых случаях и диагностики измененных обликовых характеристик, а впоследствии и проведения успешной идентификации диктора.

Список литературы

1. Потапова Р.К. Сексолект как комплексное гендерное понятие (об усложненном характере задачи определения сексолекта в судебной фонетике) // Материалы межд. конф. «Информатизация правоохранительных систем». М.: Акад. МВД РФ, 2001. С. 314-320.

2. Bastien P. Pitch shifting and voice transformation techniques (TC Helicon, 2001). P.3. [Электронный ресурс] // Цифровая обработка сигналов [сайт]. [2007]. URL: http://dsp-book.narod.ru/Pitch shifting.pdf (дата обращения 01.10.2016).

3. Галяшина Е.И. Судебная фоноскопическая экспертиза. М., 2001.

4. Сорокин В.Н., Цыплихин А.И., Верификация диктора по спектрально-временным параметрам речевого сигнала // Информационные процессы, электронный научный журнал. Т. 10. №2. 2010. С. 81-104. [Электронный ресурс] URL: http://www.jip.ru/2010/10-2-2010.htm (дата обращения 02.10.2016г.).

Лебедева Антонина Константиновна, аспирант кафедры судебных экспертиз, tonya109@yandex. ru, Россия, Москва, Московский государственный юридический университет имени О.Е. Кутафина (МГЮА)

FEA TURES OF THE FORENSIC STUDY OF VOICE, MODIFIED BY USING OF COMPUTER

PROGRAMS A.K. Lebedeva

The article deals with the description of computer programs for changing characteristics of speaker’s appearance, was indicated how this fact can make difficult the diagnostics of characteristics of speaker’s appearance in the process of forensic speech and audio analysis. Computer programs for voice’s changing were divided into two groups, some of the techniques altered voice’s research were described.

Keywords: forensic speech and audio analysis, characteristics of speaker’s appearance, masking voices, pitchshifting.

Lebedeva Antonina Konstantinovna, postgraduate student of forensic science’s department, tonya109@yandex.ru, Russia, Moscow, KutafinMoscow State Law University (MSLU)

Одна из задач фоноскопической экспертизы – идентификация человека по голосу и речи в ситуации, когда имеется аудиозапись и необходимо установить, принимает ли участие в разговоре то или иное лицо – диктор, как принято обозначать говорящего в экспертной практике (подробнее о фоноскопической экспертизе).

Для идентификации диктора используются сравнительные образцы, которые представляют собой запись естественной речи человека и называются образцами голоса и речи.

Вообще понятие образцов для сравнительного исследования дано в ст. 9 Федерального закона от 31.05.2001 г. N73-ФЗ «О государственной судебно-экспертной деятельности в Российской Федерации», но мы сосредоточимся на рассмотрении именно образцов голоса и речи.

Особенности получения

В зависимости от способа получения и характера исследования образцы голоса и речи разделяются на экспериментальные, свободные, условно-свободные и образцы, полученные в результате ОРМ.

Экспериментальные образцы – это записи, получаемые в ходе специального следственного действия (ст. 202 УПК РФ). В ряде случаем экспериментальные образцы может получить и сам эксперт.

При изъятии образцов голоса и речи экспертом, как правило, составляется соответствующий протокол, в котором эксперт отражает установление личности диктора, у которого изымаются образцы голоса и речи, разъяснение ему осуществляемой процедуры, указание специальной аппаратуры, применяемой для получения образцов. Факт получения образцов эксперт обязательно отражает в заключении, а после завершения экспертизы направляет их в орган, назначивший экспертизу.

Свободные образцы – это записи, которые пригодны для исследования, но изначально создавались в иных целях. Это могут быть полученные в ходе обысков, осмотров, выемок аудио и видео из личного архива, записи выступлений на радио, ТВ или интернет-ролики с участием идентифицируемого.

Условно-свободные образцы – это записи в процессе следственных действий и судебных заседаний.

Образцы голоса и речи, полученные в результате ОРМ, долгое время считались недопустимыми для сравнительного исследования по причине несоблюдения порядка проведения следственных действий (ст. 186 и ст. 202 УПК РФ). Однако согласно Определению Конституционного суда от 28 сентября 2017 г. N2211-О использовать такие образцы можно, если лицо отказывается добровольно предоставить образцы голоса и речи, чем препятствует процессу доказывания. При этом важно то, что в определении указано, что образцы не являются доказательством сами по себе, а представляют собой лишь средство получения доказательства. Это значит, что суд не проверяет достоверность образцов голоса и речи, полученных в процессе оперативно-розыскных мероприятий.

Основные требования

В зависимости от применяемых методик исследования при производстве экспертизы, требования к образцам голоса и речи могут варьироваться, особенно относительно верхних и нижних пределов значений, однако средние значения во всех методиках примерно одинаковы.

Минимальные требования, которые обычно предъявляются к образцам голоса и речи – это несомненность происхождения, репрезентативность и сопоставимость.

Несомненность происхождения предполагает, что в процессе расследования доподлинно установлено лицо, от которого получены образцы. Этот факт должен быть заверен следователем или судом.

Репрезентативность означает, что на образцах в достаточном качестве и количестве содержится информация, необходимая для решения поставленных на исследование задач.

По большей части на репрезентативность образцов голоса и речи влияет продолжительность и качество записи. Мы в своей практике ориентируемся на незашумленные фонограммы общей длительностью от 15 минут, на которых не менее 2-3 минут уделено речи идентифицируемого лица.

Правило сопоставимости требует в качестве образцов использовать только фонограммы, максимально соответствующие объекту исследования по условиям и способу их образования. То есть, если на исследование предоставлена запись официального разговора, то и в качестве образов нужно представить фонограмму, где соблюдается та же коммуникативная ситуация: беседа с малознакомым лицом в официально-деловой обстановке. Только при соблюдении сопоставимости объектов возможно провести наиболее полное исследование идентифицирующих характеристик.

Кроме этого, на сопоставимость объектов влияет идентификационный период, когда объект исследования и образец оказываются не сопоставимы из-за большого временного промежутка. Ограниченность идентификационного промежутка связана с изменениями значимых параметров голоса и речи. К таким относятся взросление или старение, вредные привычки или изменение социального круга.

С технической точки зрения важно, чтобы отношение сигнал/шум было не менее 9 дБ, желательно – 15 дБ и более, частотный диапазон речевого сигнала – верхняя граница более 2000 Гц.

Хранение образцов

Несмотря на то, что образцы для любого экспертного исследования не являются вещественными доказательствами, упаковываются и хранятся они по тем же правилам (ст. 81-82 УПК РФ).

Резюмируем

Предположим, вы адвокат. На что вам обратить внимание относительно образцов голоса и речи?

Несомненность происхождения

Лицо, которому принадлежат образцы голоса и речи, должно быть установлено с несомненностью. Происхождение и оформление изъятия образцов голоса и речи как критерий оценки их пригодности имеет преимущественно юридическую специфику и должен оцениваться с точки зрения соответствия действующему законодательству.

Репрезентативность по времени

Хорошая репрезентативность у образцов длительностью более 5 минут, допустимая – у образцов длительностью от 2-3 минут.

Речевая репрезентативность

Репрезентативны те тексты, в которых содержится достаточное количество индивидуализирующих признаков. В каждом конкретном случае степень репрезентативности эксперт устанавливает отдельно.

Если на образцах присутствуют исключительно односложные ответы (да/нет), воспроизведение в ответе вопросов и иные ситуации, когда невозможно составить представление о речевых навыках диктора, речь на образцах будет признана нерепрезентативной.

Сопоставимость по времени

Для взрослого человека образцы сопоставимы, если разница по времени со спорной фонограммой составляет не более 5 лет.

Сопоставимость по коммуникативной ситуации

Коммуникативная ситуация на образцах должна быть максимально приближена к ситуации на спорной фонограмме. То есть если диктор на спорной фонограмме беседует в неформальной обстановке, то и образцы должны по максимуму дублировать ситуацию разговора.

Так, например, несопоставимыми будут записи чтения текста и неподготовленной спонтанной речи или записи семейного праздника и официально-деловое общение.

Технические критерии пригодности

Отношение сигнал/шум – не менее 9 дБ, частотный диапазон речевого сигнала – верхняя граница более 2000 Гц.

Если образцы голоса и речи не отвечают критериям пригодности, провести идентификационное исследование будет невозможно.

Читайте также

Определить по голосу возраст преступника, изменить речь свидетеля, разоблачить лжеминера – специалисты по фоноскопической экспертизе рассказывают о тонкостях профессии.

Технологии шагнули так далеко вперед, что сегодня фактически каждый может почувствовать себя первоклассным сыщиком. Например, если приятель, задолжавший солидную сумму, не спешит ее отдавать, наверняка же припрятанный в кармане диктофон поможет вывести хитреца на чистую воду. Почему накопленная инфобаза порой оборачивается против самих владельцев гаджетов? Зачем свидетелям в суде меняют голос? Как на слух определить пол, возраст и эмоциональное состояние преступника? Ответы на эти и многие другие вопросы знают специалисты по фоноскопической экспертизе.

Признаки голоса уникальны

В переводе с греческого «фоноскопия» означает смотреть, рассматривать звук. Первая фоноскопическая лаборатория в нашей стране появилась в 1994 году. С этого момента стало возможным и использование фонограмм в качестве вещественных доказательств. А спустя два года была создана служба фоноскопических исследований при государственном экспертно-криминалистическом центре МВД.

Сегодня всех специалистов страны данного профиля объединяет под своим «крылом» Государственный комитет судебных экспертиз. Фоноскописты проводят исследования по тем видам преступлений, где в материалах дела имеются аудио- или видеозаписи, способные пролить свет на события. Чаще всего такая экспертиза назначается, если речь идет о незаконном обороте наркотиков, заведомо ложных сообщениях об опасности, вымогательстве, убийстве, покушении на убийство, действиях сексуального характера, экономических и прочих преступлениях.

– В нашем регионе фоноскопические исследования проводятся с 2009 года, – продолжает подполковник юстиции Дмитрий Клюев, заместитель начальника управления технических экспертиз управления Государственного комитета судебных экспертиз по Брестской области. – В исследованиях участвуют два эксперта: инженер-акустик и лингвист. Первый визуализирует звук, а второй работает с лингвистическими характеристиками.

Одной из главных функций, которую выполняют фоноскописты, является идентификация. Специалисты определяют, действительно ли голос на записи принадлежит тому или иному человеку.

Признаков, которые позволяют это сделать, насчитывается более 500, поэтому обмануть экспертов невозможно. Даже при том, что утром голос иногда звучит не так, как вечером, а после перенесенной болезни его тембр может поменяться. В конце концов, существуют программы, позволяющие слегка подкорректировать природные данные и превратить привычную хрипотцу, скажем, в бас. Или трубку можно прикрыть тканью.

Но ни первое, ни второе, ни третье не станет преградой для экспертов, которые с легкостью выявят подделку. Ведь большинство признаков голоса, связанных с индивидуальным строением речевого аппарата человека, изменить нереально.

– В моей практике был случай, – подключается к беседе государственный судебный эксперт Виктор Алексеюк. – когда неизвестный мужчина звонил по всем службам и сообщал, что такая-то гражданка незаконно перемещает через границу боеприпасы. Женщину задерживают, но она не понимает, в чем дело. Ей дают прослушать голосовые сообщения. «Так это же мой муж!» – удивляется дама. Выясняется, что пара как раз в стадии бракоразводного процесса. И мужчина таким образом, видимо, решил насолить бывшей. Мы провели идентификационное исследование, которое подтвердило: звонивший действительно муж той гражданки. И эта информация сыграла в ее пользу.

Рабочее место акустика оборудовано по последнему слову техники: микшерный пульт, компьютер, профессиональные наушники. Предусмотрен и соответствующий софт, позволяющий качественно выполнять свои обязанности. Если еще лет 15 назад наличие диктофона и хорошей камеры в мобильном было из разряда фантастики, то уже сегодня характеристики звуко- и видеозаписи гаджетов превосходят самые смелые ожидания.

– Раньше записи были только аналоговые, – подтверждает и Дмитрий Клюев. – Мы брали кассету, оцифровывали ее и исследовали. Кассетные дэки сохранились до сих пор. Практика показывает, что их еще рано списывать со счетов. Бывают случаи, когда приходится прибегать к помощи этих «старичков».

Только представьте себе: лихие 90-е, убийство с целью завладения оружием, дело не клеится и долгое время пылится нераскрытым. Спустя длительное время появляется фигурант, который может быть причастен к преступлению. Материалы поднимают и находят в них кассету.

– Она в ужасном состоянии, – вспоминает собеседник. – Не перематывается и, кажется, вот-вот рассыплется. Велика вероятность, что информация могла быть утеряна из-за размагничивания пленки. Но нам все-таки удалось ее восстановить, оцифровать данные и установить дословное содержание записи. В дальнейшем это помогло следствию раскрыть преступление.

Ухо обмануть можно, программу – нет

Даже небольшой кусочек записи способен сформировать цельную картинку о говорящем: по нему фоноскописты могут определить пол, возраст, уровень образования, психическое и эмоциональное состояние человека.

К слову, весомость последней характеристики часто недооценивают, однако порой именно она является той самой ниточкой, которая позволяет привлечь злоумышленника к ответственности. Как это было, например, в деле о вымогательстве крупной суммы, где один из подозреваемых заявил, что совершал свои преступные деяния под угрозами расправы. Тогда эксперты включили в исследование вопрос об эмоциональном состоянии этого мужчины. Голос его был спокоен и расслаблен, выяснили они, а, следовательно, ни о каком давлении не было и речи.

Впрочем, когда дело доходит до суда, нередки истории, когда это самое давление действительно имеет место быть. Очень часто свидетели или потерпевшие боятся давать показания. В целях их защиты фоноскопист может изменить голоса таких лиц, и для обвиняемого останется тайной, кто же конкретно против него свидетельствовал.

Лингвист, который также принимает участие в фоноскопической экспертизе, оценивает аудитивное восприятие голоса – его тембр, высоту, силу, выразительность, артикуляцию и дикцию.

– Мы немножко зависимы от наших акустиков, потому что программу не обманешь, а человеческое ухо обмануть возможно, – говорит лингвист Юлия Попко, государственный судебный эксперт. – Тем не менее существуют лазейки, на которых диктор может проколоться. Это, к примеру, выбор лексем, слова-паразиты, употребление специфической лексики – жаргона, которая будет индивидуализирующим признаком. Просторечья могут сказать нам о том, что человек, допустим, проживал или проживает в сельской местности. Кроме того, по речи можно судить о ее подготовленности или спонтанности. Диалектные особенности расскажут о местности, где родился или проживает данный диктор.

Иными словами, голос способен либо выдать нас с потрохами, либо, напротив, послужить гарантией невиновности. Как, например, в невероятной истории с банковскими кредитами, которую рассказывает Дмитрий Клюев в качестве наглядной иллюстрации.

– Женщина набрала кредитов на большие суммы и не возвращает, – озвучивает он детали. – Финансовая организация обратилась в милицию, но женщина утверждает, что знать не знает ни о каких кредитах. Тем не менее в банке есть все ее данные. К счастью, в момент оформления велись аудиозаписи, которые и позволили расставить точки над «i». Оказалось, что на записях не ее голос. То есть кто-то воспользовался внешним сходством с женщиной и ее паспортными данными в мошеннических целях. Если бы не эти записи, наверное, практически невозможно было бы доказать невиновность той особы.

«Лжеминер» и все, все, все

Самая короткая фоноскопическая экспертиза была сделана брестскими экспертами практически за пару часов. Речь идет о стандартной «дословке» – ложном сообщении о минировании, поступившем на «102». Но такие случаи, скорее, приятное исключение, большинство экспертиз требуют приличных временных затрат. В минувшем году было произведено 67 экспертиз, но их количество, говорят специалисты ГКСЭ, растет с каждым годом. И связано это с тем, что люди стали больше записывать друг друга.

– Был период, когда фиксировалось очень много заведомо ложных сообщений об опасности, – говорит Дмитрий Клюев. – А один такой звонок очень затратный для государства: нужно эвакуировать людей, останавливать производство, привлекать силовиков. Было решено ввести фоноскопический учет. Поначалу туда ставились «лжеминеры», фигуранты по статьям за убийство, причинение тяжких телесных, мошенничество, вымогательство, терроризм. Сейчас же постановке на такой учет может подвергаться любое лицо, проходящее по делу.

Нина Митюкова, официальный сайт Государственного комитета судебных экспертиз Республики Беларусь

Библиографическое описание:

Минеева, Е. Д. Некоторые проблемы, возникающие при производстве экспертиз по исследованию звуковых следов / Е. Д. Минеева. — Текст : непосредственный // Молодой ученый. — 2021. — № 21 (363). — С. 238-239. — URL: https://moluch.ru/archive/363/81404/ (дата обращения: 10.02.2023).

В статье рассмотрены отдельные вопросы назначения судебной фоноскопической экспертизы. Обозначены актуальные проблемы, возникающие при исследовании фонограмм.

Ключевые слова:



экспертиза, фоноскопия, программы-маскираторы, звуковой след, изменение голоса.

Большое количество преступлений, в частности, преступления коррупционной направленности, характеризуются высоким уровнем латентности и представляют значительную сложность в установлении отдельных фактов и событий, которые доказывали бы совершение преступных действий.

При расследовании подобных преступлений появляется необходимость в идентификации голосов и акустической обстановки, зафиксированных на аудио-, видеозаписях. Это обусловлено тем, что в ходе выявления противоправной деятельности коррупционеров зачастую проводятся оперативно-розыскные мероприятия, сопровождающие аудиозаписью бесед между субъектами коррупционных отношений.

Стоит заметить, что в настоящее время наблюдается обострение проблемы достоверной экспертизы голоса и речи человека, зафиксированных на различных записывающих устройствах. Связано это с повсеместным распространением цифровых средств фиксации речевой информации, появлением расширенных функций в смартфонах, использованием для коммуникаций программ видео-, аудиообщения (например, Skype, WhatsApp, Viber и др.), распространением систем видеонаблюдения, видеорегистраторов и прочих технических средств, используемых для фиксации звуковых следов.

В этой связи при расследовании некоторых преступлений для сбора доказательственной базы востребованными являются результаты судебной фоноскопической экспертизы.

Судебная фоноскопическая экспертиза — одно из предусмотренных законодательством процессуальных действий по проверке относимости и достоверности записанной на фонограмме информации, имеющей значение доказательства [1, с. 303]

.

Данная экспертиза проводится для идентификации и определения личности по голосу и речи, записанных на аудионосителях, выявления монтажа или других изменений, внесенных в запись, исследования голоса человека [2, с. 159].

Судебно-фоноскопическая экспертиза призвана решать задачи идентификационного и диагностического характера. К идентификационным относится, например, идентификация человека по голосу и речи. К диагностическим, в свою очередь, относятся установление номера набираемого телефона по фонограмме [3, с. 101].

Исследование звукозаписей помогает решать следующие вопросы:

— установление антропометрических и прочих данных (пол, возраст, диалект и пр.) человека по фонограмме его устной речи;

— характеристика условий звукозаписи (место произведения записи, характер шумов, акустические особенности условий записи и т. д.);

— установление количества участников разговора, выявление дословного содержания записанного разговора;

— идентификация говорящего по голосу и речи;

— анализ звукового отражения эмоционального состояния говорящего (паузация, интонация, повторы и т. д.).

В процессе становления и совершенствования методов исследования судебной фоноскопической экспертизы при ее производстве стала широко применяться компьютерная техника, которая обеспечивает быстрый и удобный доступ эксперта к необходимому справочному материалу. Несмотря на то, что активно разрабатываются новые программно-технические комплексы, совершенствуется автоматизированное рабочее место эксперта, при проведении фоноскопической экспертизы возникают препятствия на пути решения задач по идентификации личности и диагностике. Так, например, существуют различные программно-технические средства для изменения голоса, иные возможности для маскировки и искажения речевого сигнала.

В распоряжении преступников имеется достаточное количество подобных программ-маскираторов, в том числе доступных и для мобильных устройств, работающих на базе IOS и ANDROID. К числу наиболее распространённых программ можно отнести такие как: «Adobe Audition», «Funny Voice» «MorphVOX Junior», «Skype Voice Changer», «Vocal Voice Changer», «AV Voice Changer Diamond» и др. Указанные программы основаны на искажении аппаратно-программными средствами тембровых характеристик голоса владельца, что приводит даже к изменению пола и возраста говорящего, что приводит к проблеме его идентификации [4, с. 277].

Кроме того, сложность задачи, которая ставится перед экспертом-фоноскопистом заключается в том, что современные цифровые звукозаписывающие устройства конструктивно устроены так, что при оцифровке речи убирают из акустического сигнала значительное количество криминалистически значимой информации об индивидуальных свойствах голоса и речи записываемого (например, темп речи, тембр голоса, призвуки хрипоты, сипоты и др.), а также об условиях формирования акустического сигнала. Следы искусственно привнесенных изменений звуковой информации могут быть скрыты и не выявлены по объективным или субъективным причинам: из-за недостаточной чувствительности приборов, низкой квалификации или неопытности эксперта, методических ошибок, неполноты представленных материалов (например, когда эксперту не предоставляют оригинал фонограммы, устройство звукозаписи, сведения о технологической цепочке записи, об условиях, обстоятельствах ее производства) и т. п. [5, с. 15].

Всё это вызывает затруднения при идентификации голоса лица. Как отмечают специалисты, во многом, положительный результат судебной фоноскопической экспертизы обусловлен качеством и количеством образцов для сравнительного исследования [6, с. 271].

Решение данной проблемы видится в сборе достаточного количества сравнительных образцов речи идентифицируемого человека, в том числе это применимо и к ситуация, когда исследуемая запись была создана с использованием программ-маскираторов. При этом сравнительные образцы речи должны предоставляться в разных вариациях, в частности речь индентифицируемого человека, необходимо записывать в разных интонациях, в разных акустических условиях, по возможности в разных эмоциональных состояниях.

Таким образом, на сегодняшний день в условиях повсеместной цифровизации, внедрения различных способов маскировки голоса, подделки звукозаписей, доказательственное значение результатов судебной фоноскопической экспертизы возрастает. А для эффективного раскрытия и расследования преступлений различной направленности существует острая необходимость совершенствования материально-технической базы судебных экспертиз, с учетом достижений научного прогресса, повышения уровня существующих методических подходов и рекомендаций.

Литература:

1. Россинская, Е. Р. Настольная книга судьи: судебная экспертиза / Е. Р. Россинская, Е. И. Галяшина. — Москва: Проспект, 2010. — 464 c.
2. Неупокоева, И. А. Назначение судебной фоноскопической экспертизы при расследовании мошенничества с использованием информационно-коммуникационных технологий / И. А. Неупокоева // Закон и право. — 2021. — № 3. — С. 158–160.
3. Трифонова, Н. А. Использование в раскрытии и расследовании преступлений специальных знаний в области фоноскопии / Н. А. Трифонова // Сибирский юридический вестник. — 2007. — № 4. — С. 100–104.
4. Баранов, В. М. Маскираторы речи, как современная проблема отождествления личности при производстве фоноскопических экспертиз по уголовным делам об экономических преступлениях. проблемы экономики и юридической практики / В. М. Баранов // Проблемы экономики и юридической практики. — 2018. — № 3. — С. 275–278.
5. Галяшина, Е. И. Судебная фоноскопическая экспертиза: проблемы диагностики аутентичности фонограмм / Е. И. Галяшина // Вестник Университета имени О. Е. Кутафина. — 2014. — № 3. — С. 15–26.
6. Сорокотягина, Д. А. Судебная экспертиза: учебное пособие / Д. А. Сорокотягина, И. Н. Сорокотягин. — Ростов-на-Дону: Феникс, 2008. — 336 c.

Вероятно, следователям, судам, адвокатам нередко доводилось слышать подобные заявления, а моим коллегам экспертам — проверять их истинность методами фоноскопической экспертизы. 
В последние годы у авторов подобных заявлений появилась надежда на то, что их не так легко будет опровергнуть даже экспертам. 

Так, на форуме Adobe MAX 2016 всемирно известная компания продемонстрировала новый продукт, Adobe VoCo. По заявлению разработчиков VoCo способна озвучить текст голосом любого человека после анализа 20-минутной фонограммы его речи. Особо экзальтированные журналисты окрестили «новую» технологию «голосовым Photoshop» и потенциально опасным оружием в руках преступников.

Судя по реальным результатам работы VoCo (https://youtu.be/I3l4XLZ59iw
), распознать признаки синтеза (подделки) речи не составляет большого труда даже после первого прослушивания, т.к. используемая Adobe технология отнюдь не нова и представляет собой одну из вариаций компилятивного синтеза. 
Компилятивный аллофонный синтез или более совершенный его вариант — Hybrid Unit Selection TTS, — создает звучащую речь посредством соединения заранее записанных отдельных звуков и их сочетаний, и даже целых слов. Соответственно, Adobe VoCo присущи все недостатки подобного синтеза, а именно: скачки основного тона и резкие изменения фазы сигнала (в полосе частот речи человеческий слух чувствителен к фазовым изменениям) на стыках фрагментов. Очевидно, что если речь записана не в идеальных условиях, а на фоне даже незначительно изменяющегося шума для обнаружения границ фрагментов потребуется еще меньше усилий. Если же уровень шума на «образцах речи» будет сопоставим с уровнем речевого сигнала, то неизбежны ошибки разбиения речи на «кирпичики», из которых потом будет строиться речь. 

Также важно отметить следующее:

• Adobe VoCo невозможно использовать в масштабе реального времени, например, без существенных, неестественно больших, задержек в телефонном разговоре.

• Частотный и динамический диапазоны синтезированного сигнала не могут быть шире и больше чем у исходного, который использовался для создания «элементарных» фрагментов речи. 

Иначе говоря, если для синтеза использовалась фонограмма телефонного разговора, то результат не будет звучать как записанный, например, в кабинете или студии ТВ. 

По сути, фонограмма, на которой записана речь, созданная средствами компилятивного синтеза, является результатом монтажа, признаки которого на аудитивном и инструментальном уровне способен обнаружить квалифицированный эксперт. 

Существенную проблему для судебных экспертов и органов расследования представляет собой синтез речи, который я бы назвал «непреднамеренным», или обусловленным обстоятельствами звукозаписи. В результате такого синтеза речь разных людей (например, участников одного или нескольких разговоров, записанных в одних и тех же условиях) может звучать очень похоже, а спектрально-формантные характеристики могут быть близки до неразличения при использовании типовых, традиционных, методов исследования. Возможна и иная ситуация, при которой переданная по каналу телефонной связи и записанная речь участников разговора оказывается не похожей на оригинал. 

С подобными явлениями можно столкнуться при анализе фонограмм телефонных переговоров, которые велись с использованием подвижной телефонной связи стандарта GSM в условиях плохого приема или воздействия акустических помех. Под «плохим приемом» в данном случае я понимаю ограниченную пропускную способность канала связи и пониженную информационную скорость передачи сигнала от абонента к базовой станции и обусловленную этим необходимость более сильного сжатия речевого сигнала. В общем случае, чем меньше пропускная способность канала связи и ниже информационная скорость передачи сигнала, тем меньше идентификационно значимых характеристик голоса и речи может быть передано и записано, тем с большей вероятностью переданные характеристики могут быть искажены при сжатии из-за ошибок кодирования под воздействием помех. 

Для лучшего понимания и осознания важности проблемы приведу такой пример из собственной практики. В начале 00-х, еще во время работы в «Центре речевых технологий», к нам (сотрудникам экспертного отдела) обратились с просьбой восстановить содержание фонограммы речи. Запись речи производилась в помещении, в котором находилось несколько человек и был включен телевизор. При записи использовалось GSM-кодирование. При первом прослушивании у нас сложилось впечатление, что участники записанного разговора говорят на иностранном, незнакомом нам, языке. И только по фразам, произнесенным одним из участников разговора в короткие моменты тишины (в отсутствие сигналов от других источников), экспертам стало понятно, что разговор велся всё-таки на русском. А «иностранная» речь стала результатом некорректного кодирования сигнала в устройстве звукозаписи. 

Почему же так произошло? Дело в том, что в начале 00-х цифровые диктофоны отличались ограниченным объемом памяти (обычно – несколько мегабайт) и для записи в течение длительного времени приходилось сжимать сигнал до информационной скорости в несколько килобит в секунду (то же самое происходит в мобильном телефоне в случае ограниченной пропускной способности канала связи с базовой станцией). Сжатие параметрическими кодеками типа GSM-AMR производится по следующему принципу: кодируется и передается (или записывается) информация только о 3-4 спектральных максимумах речевого сигнала, находящихся в полосе частот телефонного канала (примерно 300…4000 Гц.). Сигналы, которые кодек посчитает шумом, вообще не кодируются, не передаются и не записываются. Очевидно, что при автоматическом выделении шума могут возникать ошибки, в результате которых речеподобная помеха остается нетронутой кодеком, а фрагменты речи, замаскированные широкополосным шумом, теряются. Корме того, кодек не способен различить, кому из дикторов принадлежит тот или иной максимум как во временной, так и в спектральной области, он выбирает самые мощные, которые могут принадлежать и разным дикторам. Например, два нижних (по частоте) максимума — от одного диктора, два верхних – от другого, или все максимумы одного звука или последовательности звуков – от одного диктора, а следующая за ним последовательность звуков – от другого. И в данном случае точно получается «компот». Но при чем здесь синтез речи? А при том, что после обработки GSM-кодеком по каналу связи передается (или сохраняется в памяти устройства звукозаписи) не сам сигнал или результаты его оцифровки, а лишь параметры тех самых спектральных максимумов (энергия и частота в различные моменты времени), по которым он восстанавливается или синтезируется на базовой станции до формата ИКМ 16 бит, затем сразу кодируется «щадящим» кодеком до 8 бит (A- или мю-закон) и передается на АТС и к системе записи СОРМ. 

Подобная технология кодирования-декодирования может использоваться и для преднамеренного искажения звучащей речи. Так, при анализе фонограмм речи одного из захватчиков судна «Арктик-Си» (https://ru.wikipedia.org/wiki/Arctic_Sea) экспертами нашей организации было установлено, что диктор использовал исказитель голоса, принцип работы которого основан на выделении и размножении (со смещением относительно оригинала) спектральных максимумов речи.

Несомненно, применение судебными экспертами спектрально-формантных методов исследования без учета подобных особенностей кодирования сигналов может привести к ошибкам идентификации, особенно в случаях, когда речь звучит на незнакомом эксперту языке.

Но гораздо более серьезную угрозу для возможности обнаружения подделки представляют технологии синтеза, основанные на использовании искусственного интеллекта и моделей речевого тракта. Но на них остановимся  в следующий раз.