Papp Andrea

Magyari Sára
  • Bók
    2020. 11. 5. 06:00

Balázs Géza

Balázs Géza

Cservenka Judit

Cservenka Judit

Minya Károly

Minya Károly

Ilosvay Selymes Pál

Ilosvay Selymes Pál

Blankó Miklós

BlankoM

Dede Éva

Dede Éva

Vízkeleti Szilveszter

Vízkeleti Szilveszter

(Ny)elvi kérdések   1-100.

Horváth Péter Iván

Horváth Péter Iván 100 ismeretterjesztő írása

Írások

Nyelvemre harapva
1-75.

Hartay Csaba

Hartay Csaba 75 szatirikus nyelvi írása

Írások

Takázás
1-45.

Horváth Péter Iván

Magyari Sára 45 nyelvi esszéje

Írások

Szólás-mentés 1–50.

Pomozi Péter

Pomozi Péter 50 írása

Írások

Korrekt troll 1-77.

Halmai Tamás

Halmai Tamás 77 korrektorglosszája

Írások

Nyelv és iskola 1-16.

Kóródi Bence

Kóródi Bence 16 írása

Írások

Kávéházi szeglet 1-26.

Fráter Zoltán

Fráter Zoltán 26 esszéje

Írások

Borostyánkő 1-88.

Puszay János

Puszay János 88 esszéje

Írások

Kriminalisztikai fonetika

2011.08.30.1 hozzászólás

A kriminalisztikai fonetika az igazságszolgáltatásban bűnjelként kezelt hangfelvételeken lévő emberi beszéd akusztikai-fonetikai elemzésével foglalkozik.

1. A kriminalisztikai fonetika kialakulása.

A beszélők hangjával már az ókori görög filozófusok is foglalkoztak. Például Heraclitus mondta, hogy a szem és a fül rossz tanú addig, amíg nem ismerjük az emberek lelkét. Az igazságszolgáltatásban az első beszélőazonosítások fültanúk vallomásai alapján készültek. Az egyik első feljegyzett eset 1660-ban történt Angliában a William Hulet ügyben. Hulet-et azzal vádolták, hogy ő végezte ki I. Károly királyt. Egy fültanú vallomása alapján az esküdtszék elítélte. Később kiderült, hogy az azonosítás hibás volt, mert a valódi elkövető beismerte tettét. A hallás alapú beszélőazonosítás akkor vált általánosan elfogadott bizonyítási módszerré Amerikában, amikor 1907-ben egy „fehér” nő szexuális erőszak áldozata lett, aki később beazonosította a „fekete” tettest a bűnténykor elhangzott két mondata alapján. Igazi áttörést jelentett a beszédelemzésben az 1930-as években – a Bell Telephone Laboratories-ban, New Jersey-ben – kifejlesztett analóg spektrográf, amely papírlapra rajzolta a beszéd hangszínképét (spektrogram). Ezzel új lehetőségek nyíltak a beszélőazonosításban is. Ennek a gépnek a spektrogramjai segítségével dolgozta ki a hanglenyomat azonosítást (Voiceprint Identification) Lawrence G. Kersta az 1960-as években. A hanglenyomat azonosítás elméleti alapja az, hogy a beszédről készült spektrogram éppen olyan egyedi jellemzője az embernek, mint az ujjlenyomata. Kersta, az eredményei alapján úgy gondolta, hogy 99%-os hatékonysággal helyes megállapítás tehető a beszélő azonosságának kérdésében. Ezt azonban más vizsgálatok nem támasztották alá, sőt ennek az ellenkezője vált tudományosan elfogadottá, miszerint az emberi beszéd – amellett, hogy egyénre jellemző – nem annyira egyedi, mint az ujjlenyomat. Az 1990-es évektől általánosan elfogadott tudományos álláspont az, hogy a hanglenyomat összehasonlítás módszere önmagában nem alkalmas igazságügyi beszélőazonosításra.

2. Beszélőazonosítás

A fonetikai alapú beszélőazonosítás során a szakértők egy ismeretlen ember beszédét hasonlítják össze egy ismert ember beszédével, amelynek következtében megállapítják, hogy a két felvételen beszélő személy azonos, vagy különböző. Az igazságügyi szakértők komplex megközelítéssel vizsgálják a beszélőket. Módszereik között szerepelnek a percepciós vizsgálatok, és a számítógépes hangelemző programok használata, sőt egyre elterjedtebbek az automatikus beszélőazonosító szoftverek is. Hallás alapján és számítógépes módszerekkel is elemzik a beszédnek mind a szegmentális (hangok), mind a szupraszegmentális (prozódia) jellemzőit. Ezen alapelvek mentén különböző lehetőségek vannak a beszélők összehasonlítására. A cél az, hogy a szakértő a lehető leghatékonyabban alátámassza a véleményét. A fonetikai alapú beszélőazonosítás egyik lehetséges menete a következő: A szakértő kap egy hanganyagot (kérdéses felvétel), amelyen egy ismeretlen személy beszél és az a feladata, hogy beazonosítsa őt. Ehhez hangmintát vesz fel egy, vagy több gyanúsítottól. Ezzel olyan összehasonlító minta áll a szakértő rendelkezésére, amelynek a segítségével össze tudja vetni a spontán beszédben előforduló egyéni jellegzetességeket is és az azonos szövegkörnyezetben lévő kifejezéseknek, illetve azonos hangkörnyezetben lévő hangoknak az akusztikai paramétereit is. A spontán beszéd összehasonlítása során a szakértő vizsgálhatja a beszélő nyelvhasználati szokásait, például kedvelt kifejezések használatát, szünetek, megakadások előfordulását, a hangképzési sajátosságokat, beszédhibákat, alaphangmagasságot, a prozódiai jellegzetességeket, sőt még az olyan nem verbális elemeket is, mint például a torokköszörülés, köhögés, vagy esetleg egy nagy sóhaj. Az azonos szövegtartalmakon az alábbi paraméterek elemezhetők: 1. hangszínkép-elemzés (pl. hangátmenetek, hangok időviszonyai, magánhangzók formánsértékei, mássalhangzók zárfelpattanásai, zörejgócok, felhangszerkezetek), 2. azonos magánhangzók azonos hangkörnyezetben mért energiaspektruma (FFT), 3. azonos szavak, mondatok energiaspektruma (LTA), 4. szupraszegmentális jegyek (dallam, hangsúly, tempó, ritmus).

A beszélőazonosítást különböző tényezők nehezítik, például: 1. egy szót ugyanaz a személy különböző időpontokban különbözőképpen ejthet ki, 2. zajos a felvétel, vagy egyszerre többen beszélnek, 3. rövid a vizsgálható beszéd, 4. a gyanúsított elváltoztatja a hangját.

Az alábbi két ábrán szemléltetem azt, hogy az egyéni kiejtés mennyire változatos lehet ugyanannál a beszélőnél, illetve azt, hogy különböző beszélők között is lehetnek nagyfokú hasonlóságok. Mind a két ábráról az olvasható le, hogy hasonló lefutásúak, de a maximum és minimum helyek nem teljesen egyeznek.

1. ábra. FFT görbe, ugyanannak a beszélőnek az „a” hangja azonos hangkörnyezetben, két különböző időpontban felolvasva

2. ábra. FFT görbe, két különböző beszélőnek az „a” hangja azonos hangkörnyezetben, olvasott szövegben

Az egyéni kiejtés variabilitása és a különböző személyek beszéde közötti hasonlóságok miatt esetenként nem könnyű bizonyítani a beszélők azonosságát. A szakértői gyakorlatban elterjedt értékelési mód a valószínűségi skálák alkalmazása, amelyeknek a megállapításai például a következők lehetnek: A kérdéses személy és a gyanúsított 1. nem azonos, 2. nagy valószínűséggel nem azonos, 3. valószínűleg nem azonos, 4. azonossága sem nem bizonyítható, sem nem kizárható, 5. valószínűleg azonos, 6. nagy valószínűséggel azonos, 7. azonos.

A beszélőazonosításban is igény mutatkozott a statisztikai elemzésekre. Alkalmazható például az egytényezős ANOVA, az univariate, a multivariate, illetve egyéb eljárások is. A statisztikai grafikonok, görbék nagy szerepet játszanak az eredmények bemutatásában is, mert ezekkel a következtetések helyessége a bíróság előtt is jobban bizonyítható. A szemléltetés egyik módja az alábbi ábra lehet.

3. ábra. Két beszélő egyes hangjainak átlagos alaphangmagasság értékei és azok szórása Box-plot ábrán szemléltetve

A statisztikai módszerek alkalmazása hozta magával a valószínűségi arány (Likelihood Ratio, LR) kiszámítását. Ennek lényege, hogy a szakértő megállapítja azt, hogy mekkora az esélye annak, hogy a két beszélő azonos (Hipotézis 1, H1), illetve azt, hogy különböző (Hipotézis 2, H2). Ha a két numerikus eredmény aránya 1 (H1:H2=1), akkor mindkét lehetőségnek ugyanakkora a valószínűsége, ha 1-nél kisebb, akkor a két beszélő különböző, ha nagyobb, akkor azonos személy. Általában ez az elv az alapja az automatikus beszélőazonosító alkalmazások értékelési módszereinek is. Az egyik ilyen megoldást nyújtja a BATVOX nevű szoftver, amely a hangbiometria (Voice Biometric) módszerével elemzi a hanganyagokat, majd statisztikai kiértékelés alapján megadja az LR-t. Óriási előnye ennek a metódusnak, hogy független a nyelvtől és a hangátviteli csatornától (telefon, mikrofon, diktafon).

3. Egyéb fonetikai alapú vizsgálatok a kriminalisztikában.

A beszédhullámok olyan információkat is tartalmaznak, amelyek alapján következtetni lehet a beszélő egyes fizikai, pszichikai jellemzőire, vagy esetleg szokásaira (életkor, stresszes állapot, félelem, dohányzás). Az alaphang magasságára az életkor előre haladtával a nőknél jellemző a mélyülés, férfiaknál az emelkedés. Idősebb korban a magánhangzók időtartama megnyúlik. Az alaphang mikrorezgéseiből következtetni lehet a beszélő stresszes állapotára. A hosszú időn keresztül tartó dohányzás károsítja a hangszalagokat is, ezzel akadályozza azok helyes működését, amelynek akusztikai következményei kimutathatók a hangszínképen is. Speciális eset az, amikor magyarul beszélő külföldinek az anyanyelvét kell megállapítani az akcentusa alapján. Az apró jelekből azonban nem egyszerű pontos következtetéseket levonni a beszélő egyes jellemzőire vonatkozóan. Egy magyar kísérlet eredménye szerint percepciós vizsgálattal a beszélő személy életkora becsülhető meg a legbiztosabban, de ez is mindössze csak 68,72%-os eredményességgel. Egy beszélő profiljának elkészítéséhez hozzásegíthetnek ezek a fonetikai eredmények – például kriminalisztikai nyelvész-szakértői módszerekkel készített csoportbehatároláshoz – de a fonetikai alapú profilkészítés tudományos igényű módszertana még nincs kidolgozva.

A számítástechnika, a hangbiometria és a statisztikai módszerek fejlődésével mára lehetségessé vált az automatikus beszédelemzés, amelyek alkalmazásához nem kell fonetikus, mégis megbízható eredményeket lehet elérni különböző fontos területeken. A kriminalisztikában a korábban már említett automatikus beszélőazonosító programok mellett nagy jelentőséget tulajdonítanak az automatikus hazugságvizsgáló megoldásoknak is.

4. Összefoglalás

A kriminalisztikában fontos szerepe van a fonetikai alapú vizsgálatoknak. A beszélőazonosítás tudományos módszertanának kidolgozása már néhány évtizedes múltra tekint vissza, ezért az eredmények megbízhatóak. A fonetikai alapú profilkészítés területén Magyarországon irányelvek vannak, de még több empirikus kutatásra van szükség megfelelő megalapozottságú szakvélemények készítéséhez.

manyszi_hirdetes_06

Felhasznált szakirodalom

Eriksson, Anders 2005. Tutorial on Forensic Speech Science Part I: Forensic Phonetics. In Interspeech. Lisbon.

Gósy Mária – Nikléczy Péter 1999. A beszélő felismerése a beszéde alapján: elméleti háttér és módszertani megközelítések. In: Gósy Mária (szerk.) Beszédkutatás ’99. MTA Nyelvtudományi Intézet: Budapest. 1-18.

Gósy Mária 2004. Fonetika, a beszéd tudománya. Osiris Kiadó: Budapest.

Hollien, Harry 2002. Forensic Voice Identification. Academic Press.

Nikléczy Péter 2001. A műszeres személyazonosítás lehetőségei rövid időtartamú beszédminták alapján. In: Gósy Mária (szerk.) Beszédkutatás 2001. MTA Nyelvtudományi Intézet: Budapest. 154-171.

1 hozzászólás

#1 Bakos József 2012. 10. 18. 12:21:08

Tisztelt Szerkesztőség!

Hová lett a hozzászólásom?

Több hónappal korábban hozzászólásként azt kérdeztem, hogy mi indokolja a „görög” és a „király” köznevek mondaton belüli nagybetűs (akkor még így volt) kezdését.

Most meg látom, hogy hozzászólásomat szó nélkül törölték. Ez nem korrekt eljárás, és ez nem is az első eset!
Meggyőződésem, hogy ezt csak akkor tehették volna jogszerűen, ha valami tisztességtelen dolgot írok. Egyébként „konzultációköteles”.

Talán célszerűbb lett volna a (de ebben az esetben valószínű mellőzött) lektorálást („A szerkesztőség a tanulmányokat lektoráltatja” http://e-nyelvmagazin.hu/szerkesztoseg/) elvégezni. (Arra gondolni sem merek, hogy az megtörtént…)

Üdvözlettel:
Bakos József
Debrecen

Új hozzászólás