芻議語音識(shí)別在公安工作中的應(yīng)用

厲鵬，李曄，王銘欣

摘 要：語音識(shí)別在經(jīng)歷了近六十年的發(fā)展之后，在近幾年的時(shí)間里呈現(xiàn)出井噴式的發(fā)展，給人們的生活和工作帶來了巨大的改變。而正是由于語音識(shí)別具有的穩(wěn)定性和唯一性、采集的便利性、處理的強(qiáng)大性、識(shí)別的智能性等獨(dú)特的優(yōu)勢(shì)，使其在公安機(jī)關(guān)中獲得了多方面的深度應(yīng)用。公安機(jī)關(guān)應(yīng)當(dāng)盡快明確語音識(shí)別的定義，結(jié)合公安的具體工作和實(shí)際問題，積極探討語音識(shí)別在信息錄入、保密工作、偵查破案、審訊詢問、便民服務(wù)等公安工作中的深入應(yīng)用，才能進(jìn)一步實(shí)現(xiàn)公安工作的創(chuàng)新，成為未來公安工作發(fā)展和變革的強(qiáng)大推力。

關(guān)鍵詞：語音識(shí)別；公安工作；應(yīng)用

中圖分類號(hào)：D631.2 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：2095-2945（2018）06-0132-03

Abstract： Speech recognition has experienced nearly 60 years of development. In recent years it has shown the development of blowout in bringing great changes to people's lives and work. And because of its unique advantages - stability and uniqueness， convenience of collection， robustness of processing， and identification of intelligence， speech recognition will be applied deeply in many aspects of the public security organ. The public security organs should follow the pace of the times and clarify the definition and characteristics of speech recognition as soon as possible. It should combine with the specific work and practical problems of public security， and actively explore the voice recognition in the information entry， confidential work， investigation and detection， interrogation， convenience services in order to further achieve the innovation of public security work and become a strong thrust for the public security work in the future development and transformation.

Keywords： speech recognition； public security organ's work； application

1 語音識(shí)別技術(shù)概述

1.1 語音識(shí)別的發(fā)展歷程。語音識(shí)別技術(shù)依托人工智能技術(shù)的研究而不斷取得進(jìn)步。自計(jì)算機(jī)科學(xué)之父阿蘭·圖靈提出了人與計(jì)算機(jī)進(jìn)行交流的設(shè)想開始，人類便開始了語音識(shí)別的研究。語音識(shí)別起始于20世紀(jì)50年代的Audry系統(tǒng)[1]。1952年，世界上第一個(gè)語音識(shí)別系統(tǒng)在美國(guó)貝爾研究所研制成功，這成為了語音識(shí)別技術(shù)的歷史開端。1960年，計(jì)算機(jī)語音識(shí)別系統(tǒng)首先在英國(guó)研制成功。20世紀(jì)70年代，隨著統(tǒng)計(jì)語言學(xué)在語音識(shí)別中的應(yīng)用，語音識(shí)別的研究從微觀轉(zhuǎn)向宏觀，從小數(shù)量轉(zhuǎn)向大數(shù)量，從特殊轉(zhuǎn)向一般。20世紀(jì)80年代中期，語音識(shí)別的研發(fā)借助HMM模型和人工神經(jīng)網(wǎng)絡(luò)（ANN）將純數(shù)學(xué)模型工程化、程序化和簡(jiǎn)單化，掀起了新一輪的研究熱潮。20世紀(jì)90年代以后，語音識(shí)別以人工神經(jīng)網(wǎng)絡(luò)技術(shù)作為突破點(diǎn)，促使語音識(shí)別真正的從理論走向了實(shí)際的應(yīng)用。2006年，深度神經(jīng)網(wǎng)絡(luò)研究的巨大突破，使得人工智能迎來了第三次浪潮，而語音識(shí)別的也在此基礎(chǔ)上，依托大數(shù)據(jù)技術(shù)、云計(jì)算技術(shù)不斷的開拓創(chuàng)新。谷歌、微軟、百度、科大訊飛等公司不斷的強(qiáng)化了語言識(shí)別的新功能，將語音識(shí)別的精確性、迅捷性和智能性提高到了一個(gè)新的高度。語音識(shí)別的應(yīng)用也在多國(guó)語音文字的智能轉(zhuǎn)化、智能家居、金融服務(wù)、汽車導(dǎo)航等等方面開啟了人機(jī)交互、萬物互聯(lián)的智能化語音識(shí)別時(shí)代。

1.2 音識(shí)別的概念。一般的語音識(shí)別是指將人發(fā)出的聲音信號(hào)轉(zhuǎn)化為文字或者其他指令的過程[2]。于瑞華認(rèn)為，語音識(shí)別是憑借人發(fā)出的語音波形中能夠反映發(fā)聲人的生理、心理和行為等語音特性的參數(shù)，進(jìn)一步識(shí)別和確認(rèn)發(fā)聲人身份的過程。[3]。聲紋鑒定的概念是應(yīng)用語言學(xué)、行為學(xué)、心理學(xué)等學(xué)科的知識(shí)，判斷是否為同一聲源，或者斷定聲音或聲源的性質(zhì)和特點(diǎn)的一種專門技術(shù)手段[4]。公安機(jī)關(guān)中語音識(shí)別的概念更接近于聲紋鑒定，包括通過語音識(shí)別技術(shù)和語音數(shù)據(jù)庫對(duì)語音信號(hào)的處理、分析、鑒別、類比，進(jìn)行發(fā)聲人的辨識(shí)和確認(rèn)，進(jìn)而為偵查破案提供偵查方向和線索、確定軌跡路線、固定證據(jù)材料等工作。而隨著新理念和新技術(shù)的出現(xiàn)，語音識(shí)別的概念內(nèi)涵和外延也會(huì)更加的豐富，從而更好的服務(wù)與不斷變化的公安工作。

2 語音識(shí)別在公安工作中應(yīng)用的可行性分析

2.1 穩(wěn)定性和唯一性。語音是由人的聲帶作為聲源振動(dòng)產(chǎn)生的，而由于聲帶的長(zhǎng)短、寬窄、厚薄等生理屬性的不同，使得語音音調(diào)、音色和聲強(qiáng)等特征也不盡相同。而且這些特征具有相對(duì)穩(wěn)定性和唯一性。穩(wěn)定性是指人的語音特征在固定的年齡斷是基本不變的，除非受過專業(yè)訓(xùn)練，否則任何人說話都會(huì)帶有母語腔，而隨著生理和心理上的成熟，這種穩(wěn)定性會(huì)更加突出。唯一性也叫差異性，是指因人的聲帶先天的生理構(gòu)造的不同，以及后天形成的說話習(xí)慣、心理素質(zhì)、知識(shí)水平的不同而具有特殊性，這是區(qū)分發(fā)聲人，實(shí)行語音同一認(rèn)定的重要依據(jù)。

2.2 采集的便利性。語音的傳播和采集所需條件十分簡(jiǎn)單，入門門檻很低，相應(yīng)的語音記錄、存儲(chǔ)整理和傳輸技術(shù)已經(jīng)非常成熟。每個(gè)人的手機(jī)都是一個(gè)天然的語音采集器，語音的采集可以實(shí)現(xiàn)同步識(shí)別，并借助軟件后臺(tái)進(jìn)行備份上傳云端，從而大批量的進(jìn)行語音數(shù)據(jù)的采集處理。語音識(shí)別的采集對(duì)于被采集對(duì)象沒有過多的限制和要求，不需要直接接觸，還可以對(duì)環(huán)境進(jìn)行清零和降噪，可在大多數(shù)場(chǎng)景下進(jìn)行語音的采集，大大提高了采集的可實(shí)施性和便利性。

2.3 處理的強(qiáng)大性。語音識(shí)別研究的不斷突破，使得語音識(shí)別展現(xiàn)出了自身獨(dú)一無二的強(qiáng)大性。第一，處理的及時(shí)性。語音識(shí)別的實(shí)時(shí)處理速度迅速，反饋時(shí)間很短，完全可以跟上普通人說話的速度，這便保證了系統(tǒng)的持續(xù)工作能力和識(shí)別的連續(xù)性。第二，轉(zhuǎn)化的準(zhǔn)確性。語音識(shí)別系統(tǒng)會(huì)自行進(jìn)行相應(yīng)學(xué)習(xí)和升級(jí)，語音的處理變得越來越智能化和準(zhǔn)確化，最新研發(fā)的語音識(shí)別系統(tǒng)的詞錯(cuò)率已降到了5.5%，達(dá)到專業(yè)記錄員的水平。第三，多國(guó)語言的無縫對(duì)接。語音識(shí)別支持多國(guó)語言的實(shí)時(shí)翻譯和同聲傳譯，實(shí)現(xiàn)了不同語言之間的實(shí)時(shí)交流，像微軟的Siri就會(huì)說36個(gè)國(guó)家的21種語言，這進(jìn)一步提高了語音識(shí)別的應(yīng)用領(lǐng)域。

2.4 識(shí)別的智能性。語音識(shí)別的智能性體現(xiàn)在其不僅僅可以充分準(zhǔn)確的對(duì)語音信息進(jìn)行快速的記錄、存儲(chǔ)和翻譯，以及對(duì)形成的電子版文字進(jìn)行人聲的智能修改等傳統(tǒng)語音識(shí)別工作，根據(jù)工作人員下達(dá)的語音指令，結(jié)合心理學(xué)、行為學(xué)等其他學(xué)科的模型體系，根據(jù)語速、語調(diào)和停頓對(duì)發(fā)聲人的意圖進(jìn)行分析做出說話人意圖的準(zhǔn)確判斷；自動(dòng)對(duì)語音進(jìn)行實(shí)時(shí)多點(diǎn)收集、大數(shù)據(jù)的智能化的分析，并通過將發(fā)聲人的音調(diào)、音色和聲強(qiáng)對(duì)發(fā)聲人的身份進(jìn)動(dòng)態(tài)的分析和全天候跟蹤、確認(rèn)，并及時(shí)報(bào)警或者反饋給工作人員。

2.5 應(yīng)用的廣泛性。語音識(shí)別技術(shù)除了可以用在圖像識(shí)別、機(jī)器翻譯、智能家居、汽車導(dǎo)航、生產(chǎn)的自動(dòng)控制、手機(jī)語音合成等多個(gè)技術(shù)和領(lǐng)域之外，也可以在公安、司法、醫(yī)療、商務(wù)辦公等領(lǐng)域發(fā)揮作用。單就公安機(jī)關(guān)來講，各個(gè)部門、各個(gè)警種的各項(xiàng)工作中都可以大量應(yīng)用語音識(shí)別技術(shù)，來進(jìn)一步提高公安工作的效率和能力，實(shí)現(xiàn)智能化警務(wù)的轉(zhuǎn)變和發(fā)展。而大數(shù)據(jù)技術(shù)和云計(jì)算技術(shù)的深度應(yīng)用，人與機(jī)器的耦合會(huì)不斷加強(qiáng)，語音技術(shù)的應(yīng)用也將會(huì)更加普及。

3 語音識(shí)別在公安工作中的具體應(yīng)用

3.1 語音識(shí)別技術(shù)在信息錄入工作中的應(yīng)用。公安機(jī)關(guān)每天面臨著大量的數(shù)據(jù)錄入工作，尤其是基層工作單位，需要將海量的數(shù)據(jù)進(jìn)行錄入和整理。而這些信息是每天都需要?jiǎng)討B(tài)錄入的，總量巨大的信息占用了公安工作人員大量的時(shí)間和精力，而且還會(huì)由于計(jì)算機(jī)硬件設(shè)施和操作水平的緣故，造成相關(guān)工作的延誤。而語音識(shí)別技術(shù)為這類工作帶來了極大的便捷，采用語音自動(dòng)識(shí)別錄入技術(shù)，不僅可以快速進(jìn)行語音到文字的轉(zhuǎn)化，還能都及時(shí)的對(duì)語法錯(cuò)誤、拼寫錯(cuò)誤進(jìn)行檢查和語音更正，根據(jù)需要對(duì)數(shù)據(jù)進(jìn)行歸檔整理和存儲(chǔ)，語音的搜索和提取方便快捷，公安工作的效率得到極大的提高。

3.2 語音識(shí)別在公安保密工作中的應(yīng)用。傳統(tǒng)的紙質(zhì)保密存在一定泄露和丟失的風(fēng)險(xiǎn)，尤其是涉穩(wěn)、涉毒和涉恐的信息，一旦泄露即會(huì)造成嚴(yán)重的后果。而語音識(shí)別的保密功能卻可以很好避免此類事件的發(fā)生。對(duì)于一些重要的、涉密的會(huì)議在使用語音技術(shù)進(jìn)行全程的文字轉(zhuǎn)化的同時(shí)，還可以對(duì)語音進(jìn)行全程加密，防止第三方的竊取和竊聽。只有獲得相應(yīng)的權(quán)限才能查閱和聽取相應(yīng)的會(huì)議內(nèi)容，不留紙質(zhì)文件，直接形成電子版文件。一來便于信息的共享和攜帶，二來可以及時(shí)對(duì)文件進(jìn)行加密處理和保存，更好地完成公安機(jī)關(guān)相關(guān)工作的保密工作。

3.3 語音識(shí)別在偵查破案中的應(yīng)用。語音識(shí)別在偵查破案中早有應(yīng)用，其根據(jù)對(duì)于收集的原始語音數(shù)據(jù)進(jìn)行分析，可以確定嫌疑人的身份信息為偵查劃定范圍和提供方向。依據(jù)法律規(guī)定的相關(guān)程序，搜集案發(fā)時(shí)周邊相應(yīng)的語音數(shù)據(jù)，包括微信、QQ等社交軟件中的語音信息、通話錄音等，對(duì)留下的語音進(jìn)行分析辨認(rèn)。針對(duì)在逃人員，可以根據(jù)已經(jīng)搜集的關(guān)于他的語音信息，與語音大數(shù)據(jù)庫進(jìn)行碰撞和關(guān)聯(lián)，進(jìn)行蹤跡追蹤和團(tuán)伙深挖。同時(shí)，將其語音信息與社會(huì)中每天收集的語音信息進(jìn)行動(dòng)態(tài)對(duì)比，實(shí)現(xiàn)語音的全天候跟蹤，并結(jié)合PGPS系統(tǒng)對(duì)其進(jìn)行及時(shí)的定位，及時(shí)報(bào)警和反饋，發(fā)現(xiàn)其蹤跡和隱藏地點(diǎn)，以便進(jìn)行圍堵和抓捕。

3.4 語音識(shí)別在審訊訊問中的應(yīng)用。公安機(jī)關(guān)可以運(yùn)用語言學(xué)、行為學(xué)、心理學(xué)等多門學(xué)科的理論設(shè)置相關(guān)參數(shù)和模型，對(duì)被訊問人的音色、音調(diào)以及配合說話時(shí)的微表情和肢體動(dòng)作進(jìn)行分析，抓住其語音中反映出的微妙變化，識(shí)破其謊言，抓住弱點(diǎn)進(jìn)行突破。基于語音識(shí)別的深層語音情感評(píng)測(cè)技術(shù)更可以讓內(nèi)在的情感外在化、客觀化、直觀化、數(shù)據(jù)化，具有更強(qiáng)的應(yīng)用性和操作性。訊問人員如能及時(shí)了解和掌握犯罪嫌疑人的心理活動(dòng)和情感走向，就能找到其供述的薄弱點(diǎn)和障礙，從而幫助訊問人員及時(shí)把握和調(diào)整訊問方向。語音識(shí)別便成為了公安機(jī)關(guān)訊問方法的一種新的模式[5]。

3.5 語音識(shí)別在便民服務(wù)中的應(yīng)用。而語音識(shí)別的應(yīng)用，會(huì)提高公安機(jī)關(guān)的服務(wù)能力，改進(jìn)服務(wù)方式，突破服務(wù)障礙，更好的營(yíng)造良好的警民關(guān)系。首先，提高民警溝通能力。外籍或者異地的民警在與群眾進(jìn)行情況了解、案件調(diào)查和走訪慰問時(shí)，只需攜帶輕便的語音識(shí)別裝備，就可以迅速準(zhǔn)確的將方言與普通話進(jìn)行相互轉(zhuǎn)換，及時(shí)化解語言不通帶來的誤解和矛盾。其次，打造智能警務(wù)服務(wù)模式。在公安行政部門、出入境部門和地方所隊(duì)的戶籍等服務(wù)部門，引入智能化語音識(shí)別機(jī)器人，根據(jù)用戶的語音來進(jìn)行相關(guān)業(yè)務(wù)的指導(dǎo)和辦理，方便文盲或者年老者等少數(shù)群體，提高公安機(jī)關(guān)對(duì)于群眾的服務(wù)質(zhì)量。

參考文獻(xiàn)：

[1]高新濤，陳乖麗.語音識(shí)別技術(shù)的發(fā)展現(xiàn)狀及應(yīng)用前景[J].甘肅科技縱橫，2007（4）：13.

[2]中華人民共和國(guó)國(guó)家質(zhì)量監(jiān)督檢驗(yàn)檢疫總局.GB/T21023-2007中文語音識(shí)別系統(tǒng)通用技術(shù)規(guī)范[S].北京：中國(guó)標(biāo)準(zhǔn)出版社，2007.

[3]于瑞華.語音識(shí)別在公安工作中的應(yīng)用[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（自然科學(xué)版），2007（4）：96-99.

[4]王英利，李敬陽，曹洪林.聲紋鑒定技術(shù)綜述[J].警察技術(shù)，2012（4）：54-56.

[5]畢惜茜.偵查訊問方法研究[J].中國(guó)人民公安大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2013（5）：55-59.