Content uploaded by Pedro Univaso
Author content
All content in this area was uploaded by Pedro Univaso on Aug 03, 2019
Content may be subject to copyright.
Content uploaded by Eugenia San Segundo
Author content
All content in this area was uploaded by Eugenia San Segundo on Jul 30, 2019
Content may be subject to copyright.
See discussions, stats, and author profiles for this publication at: https://www.researchgate.net/publication/334769817
SISTEMA MULTIPARAMÉTRICO PARA LA COMPARACIÓN FORENSE DE
HABLANTES A MULTIPARAMETRIC SYSTEM FOR FORENSIC SPEAKER
COMPARISON
ArticleinEstudios de Fonetica Experimental · July 2019
CITATIONS
0
READS
8
3 authors, including:
Some of the authors of this publication are also working on these related projects:
Voice and Identity: Source, Filter, Biometric View project
FORENSIA: a speaker identification system for the forensic area View project
Eugenia San Segundo
Shanxi University
57 PUBLICATIONS116 CITATIONS
SEE PROFILE
Pedro Univaso
Pontifical Catholic University of Argentina
26 PUBLICATIONS18 CITATIONS
SEE PROFILE
All content following this page was uploaded by Eugenia San Segundo on 30 July 2019.
The user has requested enhancement of the downloaded file.
Artículo recibido el día: 26/02/2019
Artículo aceptado definitivamente el día: 05/06/2019
Estudios de Fonética Experimental, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
SISTEMA MULTIPARAMÉTRICO
PARA LA COMPARACIÓN FORENSE DE HABLANTES
A MULTIPARAMETRIC SYSTEM
FOR FORENSIC SPEAKER COMPARISON
EUGENIA SAN SEGUNDO
Department of Criminal Science and Technology, Shanxi Police College
(China)
eugenia@sxpc.edu.cn
PEDRO UNIVASO
BlackVOX
(Argentina)
punivaso@blackvox.com.ar
JORGE GURLEKIAN
Laboratorio de Investigaciones Sensoriales, INIGEM, UBA-CONICET
(Argentina)
jgurlekian@fmed.uba.edu
14 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Sistema multiparamétrico para la comparación forense de hablantes 15
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
ABSTRACT
In Forensic Speaker Comparison (FSC) several different parameters are commonly
analysed. In this investigation we propose a multiparametric system combining
long-term features (F0, voice quality and durational aspects) with short-term
features (MFCCs), used by a standard automatic system based on i-vector/PLDA
approaches (baseline system). The objective was to determine if the performance
of the new FSC system is better than that of the baseline system. For this, three
experimental designs were carried out –allowing us to evaluate the new
multiparametric system in extreme conditions, as if it was a stress test–: (1) use of
forensically-realistic characteristics (e.g. background noise, reverberation, intra-
speaker variability, signal compression); (2) voice comparison of 12 monozygotic
twin pairs; and (3) comparison of disguised voices through noise pinching. The
results show that the new system performs better than the baseline system although
the mean contribution of long-term features to the new system was 6.5%, with the
short-term features being responsible for the remaining 93.5%.
Keywords: MFCCs, voice quality, stress test, twins, disguise.
RESUMEN
En la comparación forense de hablantes se pueden examinar diversos parámetros.
En el presente trabajo se utilizó un sistema multiparamétrico que combina
parámetros acústicos de largo plazo (F0, cualidad de voz y aspectos duracionales)
con los parámetros de corto plazo (MFCC) empleados por un sistema automático
estándar basado en el enfoque i-vector/PLDA (sistema base). El objetivo era
determinar si el nuevo sistema de comparación de hablantes ofrece mejor
rendimiento que el sistema base. Para ello se llevaron a cabo tres experimentos con
diseños diferentes –que permitieron evaluar el nuevo sistema multiparamétrico en
condiciones extremas, a modo de prueba de estrés–: (1) uso de grabaciones con
características forenses realistas (p. ej. ruido de fondo, reverberación, variabilidad
intra-hablante, compresión de la señal); (2) comparación de las voces de 12 parejas
de gemelos monocigóticos; y (3) cotejo de voces con enmascaramiento mediante
pinzamiento de nariz. Los resultados obtenidos con el nuevo sistema muestran una
mejora de rendimiento con respecto al sistema base, si bien el aporte medio de los
parámetros de largo plazo al nuevo sistema fue de un 6.5%, siendo el restante
93.5% responsabilidad de los parámetros de corto plazo.
Palabras clave: MFCC, cualidad de voz, prueba de estrés, gemelos, disimulo.
16 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
1. INTRODUCCIÓN
No es raro encontrar hoy en día a expertos en ciencias del habla o fonetistas que,
actuando como peritos forenses, siguen usando los términos “identificación” e
“individualización”, o bien adjetivos como “única” para referirse a la voz de una
persona. Es especialmente preocupante cuando dichos sustantivos van
acompañados, en los peritajes de voz, de otras palabras como “absoluta”,
“incuestionable” o expresiones como “más allá de toda duda razonable”. Este
problema no atañe únicamente al ámbito de la voz como prueba judicial o forense.
Efectivamente, Champod et al. (2018) debaten sobre esta cuestión en relación con
el ADN, los residuos de bala y otra serie de pruebas que se pueden encontrar en la
escena de un crimen o estar relacionadas con un acto delictivo. El uso de las
expresiones mencionadas anteriormente, que varios autores achacan en gran
medida a la propagación de series como CSI (Schweitzer y Saks, 2006), implica
una supresión deliberada de la idea de ‘incertidumbre’. El experto forense no
debería permitir que los tribunales crean que se puede abordar un informe pericial
sin tener en cuenta la incertidumbre. Para ello, es fundamental que el experto tenga
ciertos conocimientos sobre probabilidad e inferencia.
La Red Europea de Institutos de Ciencias Forenses (European Network of Forensic
Science Institutes, ENFSI) publicó en 2015 unas directrices para estandarizar y
mejorar los informes periciales (de tipo evaluativo) en el conjunto de las
disciplinas forenses (ENFSI, 2015). El reconocimiento de hablantes figura como
una de las áreas en la que son aplicables dichas directrices. Por otro lado, entre los
69 miembros repartidos en 37 países que forman parte del ENFSI, encontramos
tanto la Comisaría General de Policía Científica de la Policía Nacional de España
como el Servicio de Criminalística de la Guardia Civil. Este último figura, además,
como uno de los principales artífices en la elaboración de las directrices
mencionadas anteriormente.
El punto 2.4 de las directrices del ENFSI establece que la evaluación forense,
independientemente de la disciplina concreta de la que se trate, se basará en la
asignación de una ratio o relación de verosimilitud (inglés: likelihood ratio; LR de
ahora en adelante). Esta relación mide la fuerza de apoyo que los resultados
proporcionan para discriminar entre las proposiciones de interés. Generalmente
estas proposiciones son la hipótesis de que las muestras de habla proceden del
mismo hablante (H0 o hipótesis del fiscal) y la hipótesis de que proceden de
distinto hablante (H1 o hipótesis de la defensa). Por otro lado, las LR “están
científicamente aceptadas y proporcionan una forma lógica de lidiar con el
razonamiento inferencial” (ENFSI 2015:6; nuestra traducción).
Sistema multiparamétrico para la comparación forense de hablantes 17
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Actualmente se utilizan los términos “comparación forense del habla” o
“comparación forense del hablante” para referirse al área forense que se centra en
la voz como prueba pericial. Al menos así ocurre en la bibliografía especializada
escrita en inglés. Desde hace algunos años la denominación previa “identificación
de hablantes” viene siendo criticada por sus implicaciones semánticas. Desde el
punto de vista defendido por el ENFSI y por otros autores anteriormente (Rose,
2002; Meuwly, 2006; Morrison, 2009a), el uso de la palabra “identificación”
implica que el científico forense puede dar un veredicto con respecto a la
identificación de un sospechoso, cuando en realidad ese es el papel del juez. Al
usar el término neutro “comparación” no se incurre en el error de determinar
probabilidades a posteriori (véase la falacia del fiscal en Thomson y Schuman,
1987 o Evett, 1995). De este modo, se respeta uno de los requisitos fundamentales
que deben cumplir los informes forenses; esto es, el de la “lógica”: “Los informes
evaluativos deben abordar la probabilidad de los resultados dadas las
proposiciones y el contexto relevante; y no la probabilidad de las proposiciones
dados los resultados y el contexto relevante” (ENFSI, 2015:10; nuestra
traducción).
En el contexto de la voz, la función del científico es la de responder a la siguiente
pregunta: ¿cuánto más probable es que las diferencias observadas entre las
muestras indubitada (muestra de origen conocido) y dubitada (muestra de origen
desconocido) ocurran bajo la hipótesis de que ambas muestras tienen el mismo
origen que bajo la hipótesis de que estas tienen un origen distinto? La manera de
responder cuantitativamente a esta pregunta viene dada por la expresión de
conclusiones en forma de una relación de verosimilitud. Esta perspectiva
metodológica presenta la ventaja de: (1) tener en cuenta la variabilidad inter e
intralocutor y (2) evaluar no solo la similitud entre las muestras de habla sino
también su tipicidad con respecto a una población de referencia apropiada.
Morrison (2009b) defiende un cambio de paradigma en la comparación forense de
hablantes que emule los cambios adoptados en el ámbito del ADN, si bien ya una
década antes Champod y Meuwly (2000) afirmaban que el marco de interpretación
bayesiano basado en LR era completamente necesario para evaluar la evidencia de
voz. Un amplio número de investigaciones han demostrado que es posible abordar
la disciplina de la comparación forense de hablantes desde esta perspectiva, no
solo en estudios enmarcados en el reconocimiento automático de hablantes
(Brümmer y du Preez, 2006; van Leeuwen y Brümmer, 2007) sino también usando
parámetros fonético-acústicos extraídos mediante métodos propios de la fonética
experimental (González-Rodríguez et al., 2007; Hughes et al., 2017). Para una
18 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
descripción detallada del marco bayesiano para la evaluación de evidencias
forenses, véanse Berger et al. (2010) o Ramos-Castro (2007).
2. ESTADO DE LA CUESTIÓN Y OBJETIVO DEL ESTUDIO
En la comparación forense de hablantes se pueden examinar diversos parámetros,
dada la amplia variedad de características fonéticas susceptibles de análisis.
Generalmente se aborda el análisis de aspectos acústicos, tanto segmentales como
suprasegmentales, que van desde la frecuencia fundamental y las frecuencias
formánticas hasta la velocidad de articulación (Gold, 2018) y la cualidad de voz
(San Segundo et al., 2018) –por citar estudios recientes– si bien el análisis de
algunos de estos parámetros, particularmente los de tipo suprasegmental o
prosódico, en ocasiones tiene un marcado carácter híbrido acústico-auditivo, o
incluso una naturaleza totalmente perceptiva. Al no existir un procedimiento
estándar consensuado entre los expertos, cada laboratorio tiende a emplear su
propio enfoque particular, dependiendo de la formación e intereses de los expertos.
Estos enfoques oscilan entre los puramente auditivo-perceptuales (Hollien 2002,
San Segundo y Mompeán, 2017) y aquellos con un alto componente de
automatización (véase Hansen y Hasan, 2015). Los llamados métodos
semiautomáticos se basan principalmente en el análisis de formantes vocálicos. El
empleo conjunto de diferentes métodos complementarios permite considerar
diferentes fenómenos de la cadena hablada, consiguiendo así resultados más
precisos, de manera similar a los métodos de ensamble empleados en la minería de
datos (Zhou, 2012).
En el presente trabajo se utiliza un sistema de comparación de hablantes que
adiciona parámetros acústicos de largo plazo (frecuencia fundamental, cualidad de
voz y aspectos duracionales) a los parámetros de corto plazo (Mel Frequency
Cepstral Coefficients, MFCC) empleados por un sistema automático estándar
basado en el enfoque i-vector/PLDA, considerado el estado del arte de acuerdo con
la última evaluación del NIST1 del año 2016, y que denominaremos sistema base.
Uno de los sistemas que obtuvo mejor rendimiento en dicha competición fue el
I4U (Lee et al., 2017), desarrollado colaborativamente entre 16 instituciones y
universidades de los 4 continentes, el cual empleó 15 sistemas basados en la
metodología i-vector/PLDA de los 17 sistemas presentados (véase § 3.4.1).
1 Instituto Nacional de Patrones y Tecnología (NIST, por sus siglas en inglés: National
Institute of Standards and Technology).
Sistema multiparamétrico para la comparación forense de hablantes 19
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
El objetivo del presente estudio es comprobar si el nuevo sistema forense
propuesto, que incluye características del hablante de corto y largo plazo, ofrece
mejor rendimiento que el sistema base. Para poner a prueba la robustez del sistema
de comparación multiparamétrico propuesto, se han llevado a cabo tres
experimentos con diseños distintos. En primer lugar, para el entrenamiento del
sistema se ha utilizado el corpus de grabaciones en condiciones extremas SITW
(Speakers In The Wild, McLaren et al., 2016). Estas grabaciones presentan
características realistas desde el punto de vista forense (p. ej. ruido de fondo,
reverberación, variabilidad intra-hablante, distintos tipos de compresión de la
señal). En segundo lugar, se han comparado las voces de 12 parejas de gemelos
monocigóticos pertenecientes al corpus de gemelos descrito en San Segundo
(2013, 2014). En tercer lugar, se ha utilizado una tarea de lectura que presenta
enmascaramiento de la voz mediante la técnica del pinzamiento de nariz. Estas tres
condiciones experimentales permiten evaluar el rendimiento del sistema propuesto
en condiciones extremas. De esta manera, se pretende que los resultados sirvan
para que el analista forense evalúe la utilidad que el sistema paramétrico propuesto
pueda tener aun en los casos más complejos que puedan darse en el ámbito
forense.
Son numerosos los estudios que contemplan las condiciones experimentales que
acabamos de mencionar, aunque casi siempre de manera independiente. Por
ejemplo, el uso de características realistas desde el punto de vista forense se
recomienda ya en Morrison et al. (2012) para la recogida de corpus de voces con
fines judiciales. Para el español, en concreto, varios estudios se han publicado
usando el corpus CIVIL (San Segundo et al., 2013), que sigue las directrices
establecidas por Morrison et al. (2012). En cuanto a la utilidad de probar los
sistemas de comparación de hablantes con gemelos, San Segundo (2014) recoge
varias referencias bibliográficas al respecto, aunque en los últimos cinco años no
han dejado de aparecer nuevas publicaciones. Por citar algunas de las más
recientes, da Costa Fernandes (2018) o Sabatier et al. (2019) ponen a prueba sus
respectivos sistemas automáticos comparando parejas de gemelos, pues consideran
que estos pueden servir como la prueba de estrés definitiva de los sistemas
automáticos actuales. Es decir, se trataría de probar los límites funcionales de un
sistema sometiéndole a condiciones extremas, en este caso, de similitud entre
hablantes. Finalmente, los estudios recientes que se han ocupado de explorar el
efecto del disimulo de la voz en los sistemas automáticos no son muy numerosos, a
pesar de que es ampliamente conocido (cf. Masthoff, 1996; Künzel, 2000, entre
otros) que, en el contexto forense, los hablantes no siempre son cooperativos y
desean ser reconocidos. Hautamäki et al. (2017) estudia un tipo concreto de
disimulo: aquel que se da cuando un hablante enmascara su identidad impostando
20 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
una voz más joven o más vieja que la suya. Este tipo de estudios se suelen
enmarcar en un contexto acústico-perceptivo. Es decir, el objetivo es conocer
cómo influye el disimulo en una serie de parámetros acústicos (F0, F1, F2, F3 y F4
en el caso de Hautamäki et al. (2017)), y también cómo afecta dicho disimulo a la
capacidad de reconocimiento de voces por parte de una serie de oyentes o jueces
perceptivos. Es en esta línea perceptiva en la que se inscribe el único estudio que
conocemos para el español que estudia el pinzamiento de nariz como estrategia
para el enmascaramiento de la voz (Gil y San Segundo, 2013).
3. METODOLOGÍA
3.1. Corpus
Para las comparaciones de hablantes se utilizó el corpus de gemelos masculinos
Twin Corpus (San Segundo, 2013, 2014). Dicho corpus está conformado por
grabaciones de 24 gemelos idénticos (es decir, monocigóticos), con edades
comprendidas entre los 18 y los 52 años (media de 29 años). Todos los hablantes
de dicho corpus son hablantes nativos de español peninsular (región norte-central),
sin patologías en el habla o dificultades auditivas. Se obtuvieron grabaciones de
dos textos leídos en dos ocasiones diferentes, separadas por 2-3 semanas, de
manera que se tuvo en cuenta la variación intra-hablante, obteniéndose así
muestras de habla no contemporáneas. Los gemelos concurrieron juntos a las
sesiones de grabación que tuvieron lugar en el Laboratorio de Fonética del Consejo
Superior de Investigaciones Científicas de España. Las grabaciones se realizaron
con un micrófono de condensador omnidireccional de respuesta plana en
frecuencia. Las características técnicas de la grabación fueron las siguientes:
frecuencia de muestreo de 44,1 KHz, 16 bits de resolución y canal monofónico.
Para el presente estudio se utilizó una frecuencia de re-muestreo de 16,0 KHz, con
el fin de simular el ancho de banda empleado habitualmente en el ámbito forense.
Cada miembro de una pareja de gemelos fue grabado en una sala diferente,
aisladas acústicamente, aunque conectadas telefónicamente para la ejecución de
tareas colaborativas. A pesar de que las grabaciones fueron de alta calidad, este
montaje replica aproximadamente las condiciones reales de las grabaciones del
ámbito forense. Adicionalmente se pidió a cada hablante que repitiera los dos
textos ya leídos, pero con pinzamiento de la nariz realizada con su propia mano.
De esta manera se obtuvieron grabaciones de habla leída con uno de los tipos de
enmascaramiento o disimulo de naturaleza más paradójica en los casos forenses
(Gil y San Segundo, 2013:332).
Sistema multiparamétrico para la comparación forense de hablantes 21
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
A partir de las grabaciones obtenidas se generaron dos tareas de alta exigencia para
la comparación de hablantes en el ámbito forense. La primera tarea, denominada
GEMELOS, busca analizar el impacto del uso de gemelos en el sistema automático
y la segunda, denominada DISIMULO, pretende averiguar el efecto que produce
comparar hablantes no gemelares pero que intentan enmascarar sus voces a través
del pinzamiento de nariz.
Para el entrenamiento del nuevo sistema se utilizó la base de datos SITW (McLaren
et al., 2016), desarrollada especialmente para evaluar sistemas de reconocimiento
de habla independiente del texto en grabaciones mono- y multi-hablante recogidas
en condiciones “salvajes” (wild). La base de datos consiste en grabaciones de 299
hablantes con un promedio de 8 sesiones por hablante tomadas en ambientes reales
de alto ruido, reverberación, variabilidad intralocutor, y en diferentes canales y
tipos de compresión de señal. Estos factores hacen de SITW un gran desafío para el
reconocimiento de hablantes. En el año 2016 el laboratorio SRI International
convocó a una evaluación internacional de sistemas de reconocimiento de
hablantes, denominada The 2016 Evaluation Leaderboard, a la que se presentó el
sistema base utilizado en esta investigación. Se recibieron 45 presentaciones
correspondientes a 11 equipos de diferentes países. El sistema presentado ocupó el
séptimo puesto, siendo el resultado obtenido similar al promedio de los
participantes.
En concreto, para el entrenamiento del sistema que emplea parámetros de largo
plazo se utilizó un subgrupo de datos del SITW correspondiente a grabaciones de
micrófono de solapa (lapel) que poseen características similares a los de la base de
datos de prueba (Twin Corpus) empleada en el presente trabajo, como se explicó
más arriba.
3.2. Parámetros
Los sistemas automáticos de comparación forense de hablantes generalmente
emplean una serie de métodos que incluyen el preprocesamiento de la señal, la
detección de actividad vocal (VAD – Voice Activity Detection), la extracción de
parámetros –que hemos llamado de corto plazo–, el modelado y la medida de
similitud, para finalmente obtener el cómputo de LR (véase § 1). La particularidad
de este trabajo consiste en la incorporación a los parámetros de corto plazo,
expresados en LR, de una serie de parámetros acústicos de largo plazo.
Empezaremos describiendo el primer tipo de parámetros (coeficientes cepstrales en
escala Mel) y a continuación los tres tipos de parámetros de largo plazo
considerados para esta investigación (véanse § 3.2.2 a 3.2.4). Como
22 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
puntualización, hay que destacar que el criterio para la selección de parámetros de
largo plazo fue que se pudieran capturar sus aportes en términos de LR y que
pudieran ser extraídos de forma automática (sin transcripción previa de las
emisiones).
3.2.1. Parámetros de corto plazo: coeficientes cepstrales en escala Mel
Los parámetros extraídos de la envolvente espectral de corto plazo se centran en la
forma espectral de la señal de voz derivada de una porción corta (trama) de la
señal. Su objetivo es examinar la influencia del tracto vocal (trama por trama)
ignorando la influencia de la fuente de voz, en particular la frecuencia
fundamental. Los parámetros mayormente empleados son los coeficientes
cepstrales en escala Mel (MFCC) (Davis y Mermelstein, 1980), aunque también
suelen utilizarse los coeficientes de codificación predictiva lineal (LPC) (Makhoul,
1975) y los coeficientes de predicción lineal perceptual (PLP) (Hermansky, 1990).
En el presente trabajo se emplearon los coeficientes MFCC.
Primeramente, la señal fue preprocesada por medio del paquete Qualcomm-ICSI-
OGI, que realiza un filtrado Wiener y filtros RASTA-LDA (Adami et al., 2002). La
extracción de parámetros se realizó con el paquete desarrollado por la Universidad
de Cambridge: HTK Toolkit ver. 3.4 (Young et al., 2006). Los 12 parámetros
MFCC y el logaritmo de la energía, junto a la primera y segunda derivadas fueron
extraídos cada 10 ms, generándose un vector de 39 parámetros por trama. La
selección de segmentos de habla que fueron procesados se realizó por medio del
detector de actividad vocal (VAD) basado en energía incluido en el paquete Alize
(Bonastre et al., 2005), al que se añadió un algoritmo heurístico de restricción de
duraciones. Posteriormente se aplicó una normalización cepstral media (CMN) a
cada segmento.
3.2.2. Parámetros de largo plazo (i): frecuencia fundamental
Dentro de los diferentes parámetros relacionados con la fuente glótica que son
susceptibles de análisis con fines forenses, hemos considerado los relacionados
directamente con la frecuencia fundamental, como son las medidas de tendencia
central del F0 (es decir, valor medio, mediana y moda), los límites del F0 (es decir,
mínimo y máximo) y la variabilidad del F0 (es decir, desviación estándar y
coeficiente de variación; esto es, desviación estándar dividida por el valor medio).
Estos parámetros se obtuvieron empleando el software de análisis y síntesis de
señales de habla Praat (Boersma y Weenink, 2005) con todos los coeficientes
estándar.
Sistema multiparamétrico para la comparación forense de hablantes 23
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
3.2.3. Parámetros de largo plazo (ii): cualidad de voz
La evaluación de diferentes cualidades de voz es requerida en el diagnóstico
médico de las disfunciones vocales. Dicho análisis se realiza por medio de juicios
perceptuales y medidas objetivas, tales como características acústicas y
aerodinámicas, para lo cual existe una gran variedad de técnicas. Por ejemplo, el
índice de perturbación, que mide el riesgo vocal (Gurlekian y Molina, 2012),
emplea los parámetros correspondientes a la perturbación de la amplitud
(Shimmer), la perturbación de la frecuencia fundamental (Jitter), la armonicidad o
relación armónicos-ruido o segmentos sonoros-sordos (HNR – Harmonic-to-Noise-
Ratio), y la amplitud del Cepstrum. Una de las técnicas perceptuales más
empleadas es la propuesta por la Sociedad Japonesa de Logopedia y Foniatría
(Hirano, 1981), conocida como escala GRBAS (G de Grade, R de Roughness, B de
Breathiness, A de Astheny, y S de Strain). Grade se corresponde con el nivel
general de desvío de la voz con respecto a una regular o modal, Roughness con la
fluctuación irregular de la frecuencia fundamental, Breathiness con el ruido
turbulento producido por el pasaje de aire, Astheny se reserva para aquellas voces
con poca energía en la emisión, y Strain para las voces forzadas o que poseen
tensión muscular.
La correlación entre las medidas objetivas y las perceptuales de la escala GRBAS
ha sido profundamente estudiada, pero aún no se ha llegado a un acuerdo general
entre los investigadores. Por ejemplo, Dejonckere et al. (1996) determinaron que
los parámetros con mayor correlación son: G con el cociente entre Shimmer y
HNR; R con Jitter; y B con Shimmer. El trabajo de Martin et al. (1995) relacionó R
con HNR y Shimmer, y B con una combinación de Jitter, Shimmer y HNR. Por otra
parte, Bhuta et al. (2004) encontraron que R estaba solo correlacionado con HNR.
En el presente trabajo hemos utilizado los siguientes parámetros de cualidad de
voz: Jitter, Shimmer y HNR. Estos parámetros se extrajeron de forma automática
usando el comando “Voice Report” de Praat. El tipo de medición del jitter
empleado fue Jitter (local), que es el promedio de las diferencias absolutas entre
períodos consecutivos, dividido por el período promedio. Para el shimmer se
empleó Shimmer (local), que es el promedio de las diferencias absolutas de las
amplitudes entre períodos consecutivos, dividido por la amplitud promedio. Para
ambas mediciones Praat considera únicamente los segmentos sonoros. Por un lado,
se consideraron los parámetros de forma aislada; por otro lado, se calculó el
cociente entre Shimmer y HNR para obtener un valor objetivo que correspondiese
lo más aproximadamente posible a la valoración perceptiva Grade, de acuerdo con
los resultados de Dejonckere et al. (1996), como se ha especificado anteriormente.
24 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
3.2.4. Parámetros de largo plazo (iii): velocidad de articulación y ritmo
Un parámetro basado en la duración de la emisión es la velocidad de articulación,
que se define como la cantidad promedio de sílabas por segundo, excluyendo los
silencios. El porcentaje promedio de segmentos sonoros y sordos de una sílaba es
otro parámetro de duración, relacionado con el ritmo. Para el cálculo de ambas
medidas se utilizó el script para Praat, basado en el núcleo silábico, desarrollado
por De Jong y Wempe (2008).
La tabla 1 recoge todos los parámetros acústicos de largo plazo extraídos en este
estudio para su incorporación al sistema base de comparación forense de hablantes.
Nro.
Parámetro
Descripción
Tipo
1 F0mean Valor medio del F0
Tono
2 F0min Valor mínimo del F0
3 F0max Valor máximo del F0
4 F0sd Desviación estándar del F0
5 F0sd/mean Coeficiente de variación del F0 (F0sd / F0mean)
6 Jitter Perturbación del F0
Cualidad de voz
7 Shimmer Perturbación de la amplitud
8 HNR Armonicidad o relación armónicos-ruido
9 Grado Shimmer / HNR
10 Ritmo Porcentaje promedio de segmentos sordos Duración
11 VA Velocidad de articulación
Tabla 1. Parámetros de largo plazo utilizados en el sistema de
reconocimiento de hablantes propuesto, categorizados según la
clasificación de Lehiste (1970).
3.3. Modelado del hablante
Esta etapa tiene como finalidad generar un modelo probabilístico de la voz del
hablante, a partir de una o varias emisiones de habla de dicho hablante. El modelo
empleado con más frecuencia en los sistemas de reconocimiento automático de
Sistema multiparamétrico para la comparación forense de hablantes 25
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
hablantes es el modelo de mezclas de gaussianas (GMM), del cual surgen los
enfoques GMM-UBM, supervectores y las aproximaciones por vectores de factor
total (i-vectors) (Dehak et al., 2011), así como las redes neuronales profundas
(DNN – Deep Neural Networks) (Hinton et al., 2012) que han resurgido en la
actualidad debido a la implementación de nuevas técnicas de inicialización, al uso
del procesamiento paralelo y a la capacidad de procesamiento de la tecnología. En
el enfoque de supervectores los parámetros del modelo GMM son proyectados en
un espacio de alta dimensionalidad, mientras que la aproximación i-vector, que es
la que utilizamos en este estudio, reduce dicha dimensionalidad tratando de
mantener la información esencial del hablante. La compensación del canal se
realiza en este nuevo espacio de dimensiones reducidas empleando el análisis
discriminativo lineal probabilístico (PLDA), dando nacimiento al enfoque i-
vector/PLDA. Para calcular el LR, dichos enfoques requieren emplear un modelo
de la población relevante, generalmente representado por el modelo universal
(UBM).
Siguiendo la metodología habitual en el ámbito del reconocimiento automático de
hablantes, que emplea LR como medida final de las comparaciones, hemos
utilizado gaussianas simples para modelar a los hablantes, mientras que para el
modelado de la población relevante se ha seguido el método de densidad de
función de núcleo multivariada (MVKD), propuesta originalmente por Aitken y
Leese (1995).
3.4. Cotejo de voces y cálculo de LRs
La comparación de hablantes empleada en el ámbito forense parte de la grabación
de una voz relacionada con un hecho delictivo (p. ej. grabación dubitada, prueba o
evidencia), que se compara con otros registros atribuidos a una persona,
normalmente conocida (p. ej. grabación indubitada o plana de voz del imputado).
La grabación dubitada generalmente se obtiene de registros telefónicos, mientras
que la indubitada se realiza durante la toma de declaración del imputado en la sede
policial o el laboratorio forense. En otros casos la grabación indubitada puede
provenir de un registro telefónico (p. ej. escucha telefónica) y la dubitada de
grabaciones en vivo (p. ej. whatsapp o grabadora del teléfono móvil).
3.4.1. Método de medida: parámetros de corto plazo
Para el entrenamiento de todas las GMM y modelos de variabilidad total se utilizó
el paquete Alize (véase § 3.2.1). Se entrenó un modelo GMM de 1024 mezclas
independientes del género a partir de la base de datos desarrolladas por NIST
26 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
(Instituto Nacional de Estándares y Tecnología de USA)
(https://www.nist.gov/itl/iad/mig/speaker-recognition) en la evaluación de sistemas
de reconocimiento de hablantes SRE04. Después de esto, se entrenó un espacio de
variabilidad total con las bases de datos SRE08 short2 y short3 para producir i-
vectors de 400 dimensiones. Antes de aplicar la técnica de compensación de canal
denominada análisis de discriminación lineal (LDA) sin reducción de
dimensionalidad, cada i-vector fue transformado utilizando la normalización
esférica de atributos perjudiciales (sphNorm – Spherical Nuisance Normalization).
Este post-procesamiento también se realizó con la base de datos SRE08. La
compensación de canal y hablantes empleó el análisis discriminativo lineal
probabilístico (PLDA) utilizando 300 dimensiones para el espacio de los hablantes
y 100 dimensiones para el del canal. Para ello se utilizaron las bases de datos
SRE08 short2 y short3 y la base de datos de desarrollo del SITW. No se aplicó
ninguna técnica de normalización de medida.
Para la calibración de los LR de salida del sistema se empleó el algoritmo de
regresión logística implementado en MATLAB por medio de la herramienta
BOSARIS (Brümmer y de Villiers, 2011). Además de LR se incorporaron en la
calibración las duraciones de las emisiones de entrenamiento y prueba, con el
objetivo de obtener una función de costo logarítmica (Cllr). El entrenamiento se
realizó con la base de datos de desarrollo SITW.
En este estudio, el sistema base (Martínez Soler et al., 2018) emplea el enfoque i-
vector/PLDA, conformado por parámetros de corto plazo (MFCC), y utiliza el
“método directo” para el cálculo de LR. Esta metodología requiere un modelo
estadístico que permita medir directamente un valor de verosimilitud cuando los
vectores de características son comparados con respecto a dicho modelo.
Habiendo unificado como medida el LR, tanto para los parámetros de corto plazo
como para los parámetros de largo plazo (véase § 3.4.2), y siendo el cociente de
verosimilitud final el producto de los cocientes de verosimilitud de cada uno de los
parámetros empleados, podemos expresar la medida final del sistema como en la
fórmula (1), donde LRfinal es el cociente de verosimilitudes final, LRivector el
cociente de verosimilitudes de los parámetros de corto plazo empleando el enfoque
i-vector/PLDA, LRj el cociente de verosimilitudes del parámetro de largo plazo j, y
n la cantidad de parámetros de largo plazo empleados.
(1)
∏
=
=
n
jjivectorfinal
LRLR
LR
1
Sistema multiparamétrico para la comparación forense de hablantes 27
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Los valores de LR correspondientes a los parámetros de largo plazo, resultantes del
método de medida, están generalmente bien calibrados y son poco dependientes
del canal y de la duración de las emisiones. En cambio, el LR que surge del método
directo suele estar descalibrado y requiere, por tanto, una calibración previa antes
de introducirlo en la ecuación final. Un método de calibración generalmente
empleado es la regresión logística, en la que se fusiona el valor de LR y la duración
de las emisiones, con el objetivo de obtener la función de costo logarítmica (Cllr)
(Brümmer, 2004), que sirve para medir el rendimiento de un sistema forense.
Debido a la magnitud del cociente de verosimilitud, normalmente se emplea el
logaritmo del LR, denominado LLR (log Likelihood Ratio), con lo cual la ecuación
1 queda expresada como en (2).
(2)
∑
=
+=
n
jjivectorfinal
LLRLLRLLR
1
3.4.2. Método de medida: parámetros de largo plazo
El modelado a partir de los parámetros de largo plazo emplea una variante del
“método de medida” (scoring method), conformado por tres etapas. En la primera
se calcula la medida de similitud (es decir, distancia euclidiana normalizada) entre
pares de emisiones de prueba para cada parámetro, según la ecuación (3), donde
j
i
x
es la medida de similitud i entre los valores p del parámetro j para las
emisiones a y b.
(3)
j
b
j
j
b
j
j
ipp
pp
x
a
a
+
−
=
En la segunda etapa se transforman las medidas de similitud en dos distribuciones
de densidad de probabilidad univariadas; una representa las verosimilitudes de las
medidas de similitud entre emisiones que pertenecen a los mismos hablantes
(hipótesis H0) y la otra a hablantes diferentes (hipótesis H1) (figura 1.a). Dichas
distribuciones pueden estimarse con la fórmula de densidad de función núcleo
(KDE – Kernel Density Estimation) desarrollada por Silverman (1986) y expresada
por la ecuación (4), donde xi es uno de los k elementos correspondiente a la medida
28 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
de similitud del parámetro j, s es la varianza de la muestra, θ el valor medio del
elemento y λ el parámetro de suavización elegido.
(4)
−
−=
22
2
)(
2
1
exp
2
1
),|( s
x
s
xK
i
i
λ
θ
πλ
λθ
Aitken y Taroni (2004) sugieren que este parámetro puede elegirse subjetivamente
basándose en la experiencia del investigador. En nuestro caso se consideró un
valor de λ=1. Por tanto, la estimación de la distribución de densidad de
probabilidades quedó expresada como en la ecuación (5).
(5)
∑
=
=
k
iij
xK
k
Df
1
),|(
1
),
|(
λθθθ
En la tercera etapa se determina el LR entre ambas hipótesis en función de la
medida de similitud (figura 1.b) y se aproxima dicha ecuación por un polinomio de
segundo orden. Esta última ecuación (6) permite calcular el aporte, expresado en
LR, de cada parámetro al sistema de comparación de hablantes final (véase la
ecuación (2)).
(6)
jijij
ij
ij
j
cxbxa
Hxf
Hxf
LR +⋅+⋅≅=
2
1
0
)|(
)|(
Para la determinación de las ecuaciones polinómicas de segundo orden,
correspondientes a cada parámetro de largo plazo empleado, se utilizaron los datos
de micrófono (lapel) de la base de datos SITW. Se seleccionaron 42 muestras de
grabaciones de micrófono, correspondientes a 18 hablantes que conformaron 147
pares de grabaciones de diferentes hablantes y 41 pares de grabaciones no
contemporáneas de los mismos hablantes.
La selección de los parámetros de largo plazo se realizó en dos etapas. En la
primera se seleccionaron los parámetros acústicos que se consideró que
representan mejor la información prosódica que no capturan los parámetros de
corto plazo y que, además, pueden ser extraídos de forma automática (véase § 3.2,
tabla 1). En una segunda etapa se determinó cuál de ellos posee capacidad para la
comparación de hablantes, de manera que pudieran incorporarse al sistema base.
Sistema multiparamétrico para la comparación forense de hablantes 29
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Figura 1. a) Ejemplo de distribución de la medida de similitud
correspondiente a emisiones del mismo hablante (H0) y diferentes
hablantes (H1), y b) aproximación polinómica de segundo orden del
logaritmo del cociente de verosimilitud (LLR) en función de la
medida de similitud.
En la tabla 2 pueden observarse los valores obtenidos para los coeficientes de la
función polinómica de segundo orden (ecuación (6)) correspondientes a cada uno
de los parámetros de largo plazo empleados. El error promedio porcentual (error%)
entre la función de aproximación y la real se calculó como el promedio de los
valores absolutos de los errores absolutos divido por el rango.
30 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
a. x2 + bx + c
Parámetro
a
b
c
error%
F0mean
23.70
-4.90
0.13
5.0%
F0min
-50.00
2.02
0.04
2.7%
F0max
0.80
-0.02
-0.06
6.3%
F0sd
-1.50
0.41
0.07
3.2%
F0sd/mean
-1.64
0.33
0.09
1.4%
Jitter
12.60
-2.50
0.01
5.1%
Shimmer
-4.70
-0.20
0.13
1.0%
HNR
-14.10
1.20
0.13
1.9%
Grado
-2.40
0.07
0.13
0.9%
Ritmo
-6.00
-0.47
0.35
1.1%
VA
-11.00
1.38
0.01
4.2%
Tabla 2. Valores de los coeficientes de la aproximación polinómica
de segundo orden obtenidos a partir de la base de datos SITW,
correspondientes a cada parámetro de largo plazo y el error
promedio porcentual entre la función de aproximación y la real.
En una segunda etapa se seleccionaron solo aquellos parámetros que poseían
capacidad discriminativa, para lo cual se consideraron únicamente aquellos que
lograban minimizar el Cllr. Con este fin, se empleó una metodología iterativa
partiendo de la selección de todos los parámetros y la eliminación consecutiva de
aquellos parámetros que incrementaban el Cllr, hasta cubrir todos los parámetros.
Para eliminar valores fuera de rango (outliers) se acotaron los valores de dicha
función entre [-1;+1], con el fin de no desvirtuar el aporte de los parámetros de
largo plazo en el LLRfinal (ecuación (2)).
4. RESULTADOS
En la tabla 3 pueden verse los resultados de aplicar la metodología propuesta, que
emplea parámetros de corto y largo plazo. Al sistema resultante lo denominaremos
nuevo sistema y al enfoque basado únicamente en parámetros de corto plazo (i-
vector/PLDA) lo llamaremos sistema base. En la tabla los resultados aparecen
disgregados en función de las distintas bases de datos empleadas.
Sistema multiparamétrico para la comparación forense de hablantes 31
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
En la tabla 4 se muestran los parámetros de largo plazo finalmente seleccionados
por su poder discriminativo en el reconocimiento de hablantes para las siguientes
condiciones experimentales: grabaciones “salvajes” (SITW), gemelos
(GEMELOS) y enmascaramiento por pinzamiento de nariz (DISIMULO).
EER%
Cllr min
SITW
nuevo sistema
12.9%
0.540
sistema base
14.6%
0.619
GEMELOS
nuevo sistema
8.3%
0.237
sistema base
8.3%
0.265
DISIMULO
nuevo sistema
9.4%
0.369
sistema base
11.1%
0.430
Tabla 3. Tasa de igual error (EER) y función de costo logarítmica
mínima (Cllr min) del nuevo sistema y del sistema base para las
condiciones experimentales: SITW, GEMELOS y DISIMULO.
Parámetro SITW GEMELOS DISIMULO
Tipo de
parámetro
F0mean
X
X
Tono
F0min
X
X
F0max
X
F0sd
X
F0sd/mean
X
X
X
Jitter
X
X
Cualidad
de voz
Shimmer
X
X
HNR
X
X
Grado
X
X
X
Ritmo
X
X
X
Duración
VA
X
X
Tabla 4. Parámetros de largo plazo finalmente seleccionados por su
poder discriminativo para cada base de datos empleada, agrupados
por tipo de parámetro según la clasificación de Lehiste (1970).
32 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Para poder analizar la influencia de los parámetros de largo y corto plazo,
definimos los coeficientes (7) y (8) a partir de la ecuación (6).
(7)
100
%×=
final
ivector
cp
LLR
LLR
LLR
(8)
100%
1
×=
∑
=
final
n
jj
lp
LLR
LLR
LLR
Los coeficientes (7) y (8) representan el porcentaje de LLRfinal que corresponde a
los parámetros de corto y largo plazo respectivamente en un cotejo en particular.
El valor promedio que se muestra en la tabla 5 es sobre el total de emisiones de
cada base de datos empleada.
%
lp
LLR
%
cp
LLR
SITW
4.10%
95.90%
GEMELOS
5.30%
94.70%
DISIMULO
10.00%
90.00%
Tabla 5. Coeficientes promedio de largo plazo (
%
lp
LLR
) y corto
plazo (
%
cp
LLR
) para cada base de datos empleada.
5. DISCUSIÓN Y CONCLUSIONES
Los resultados obtenidos con el nuevo sistema de comparación de hablantes, que
incluye rasgos distintivos del hablante de corto y largo plazo, muestran una mejora
de rendimiento con respecto al sistema base, y también con respecto al estado del
arte. Por ejemplo, el mismo corpus de gemelos (San Segundo 2013, 2014) se
utilizó para probar el sistema de reconocimiento automático de hablantes
comercial BATVOX (San Segundo y Künzel, 2015) y el EER obtenido fue de
9.9%. En el presente estudio se obtuvo un 8.3%, si bien es cierto que la versión del
sistema BATVOX utilizada en San Segundo y Künzel (2015) estaba basada en el
enfoque GMM-UBM (recordemos que la metodología propuesta en el presente
estudio es la de i-vectors). Por otro lado, la investigación de 2015 usó grabaciones
Sistema multiparamétrico para la comparación forense de hablantes 33
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
espontáneas del corpus de gemelos mientras que el estudio presente se basa en una
tarea de lectura.
El empleo de grabaciones pertenecientes a casos complejos –como lo son las
grabaciones en condiciones extremas (SITW), la comparación de gemelos y el
disimulo de la voz mediante pinzamiento de nariz– nos permite concluir que el
nuevo sistema puede ser de gran utilidad en ámbitos como el forense donde en
ocasiones se trabaja con casos de similar complejidad. De todas formas, dichos
casos complejos nos han servido para poner a prueba el sistema multiparamétrico
propuesto, como era nuestro objetivo. Varios estudios consideran que los test
realizados con voces de gemelos son una prueba de estrés muy útil para validar el
rendimiento de un sistema en situaciones extremas de similitud entre hablantes
(véase § 2). En este estudio proponemos validar los sistemas también con los otros
dos supuestos complejos contemplados.
En todas las condiciones experimentales, los parámetros de largo plazo
seleccionados cubren las tres categorías de parámetros suprasegmentales: tono,
cualidad de voz y duración. Los parámetros de mayor relevancia, o que mayor
peso tienen en la configuración del nuevo sistema propuesto, son el coeficiente de
variación del F0 (tono), el Grado (cualidad de voz) y el ritmo (duración). Es decir,
esos parámetros son los que juegan un papel más importante en el LLR resultante
de añadir parámetros de largo plazo al sistema base, teniendo en cuenta las tres
condiciones experimentales.
Para el caso de las grabaciones en condiciones extremas, con el nuevo sistema se
obtuvieron mejoras del 11.6% en la EER y del 12.8% en la Cllr min. La comparación
de gemelos logró mejoras del 16.2% en la EER con respecto al sistema comercial
BATVOX que emplea la metodología GMM-UBM, mientras que el nuevo sistema
no mostró mejoras en la EER con respecto al sistema base. Este resultado puede
deberse a la cantidad limitada de casos que incluye la base de datos de gemelos.
No obstante, sí se evidenció una mejoría del 10.6% en la Cllr min, lo que implicaría
que los parámetros de largo plazo analizados pueden aportar una información
valiosa para distinguir a un gemelo de otro. De todos los sistemas (véase la tabla 3)
el mejor Cllr min se obtiene con el nuevo sistema y para la comparación de gemelos,
con un valor de 0.237. San Segundo y Yang (2019) obtienen valores Cllr min muy
parecidos (entre 0.15 y 0.30) cuando comparan gemelos usando un sistema semi-
automático basado en trayectorias formánticas de secuencias vocálicas.
Finalmente, en el caso de enmascaramiento por pinzamiento de nariz también se
logró reducir la EER en un 15.3% y la Cllr min en un 14.2%.
34 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
En definitiva, la magnitud media de la tasa de igual error –promediada para los tres
casos complejos considerados– fue del 10.2%, valor de referencia a tener en cuenta
para este tipo de cotejos en casos forenses. En cotejos de menor complejidad
cabría esperar un rendimiento del sistema aún mejor, como se puede deducir del
planteamiento anteriormente expuesto. Es decir, un EER en torno al 10% ocurriría
de media en casos como los contemplados en nuestros tres supuestos
experimentales extremos.
En cuanto al aporte de un tipo y otro de parámetros (de corto y de largo alcance),
conviene recordar la división que remarcan varios autores (Laver, 1976; Nolan,
1983) entre factores intrínsecos –aquellos que están fuera del control del hablante
y que vienen determinados por el tamaño y la forma de sus articuladores– y los
factores extrínsecos, que serían aquellos que el hablante puede controlar con
distintos fines (p. ej. afectivos, sociolingüísticos o pragmáticos). Ambos factores
convergen en la mayoría de los parámetros fonéticos estudiados en la comparación
forense de hablantes y son difícilmente separables. Como destaca Nolan (1983),
las restricciones físicas del hablante no determinan valores acústicos absolutos en
el plano acústico, sino que marcan los límites de la variación intralocutor. Con
todo, es ampliamente aceptado que los parámetros de corto plazo usados en este
estudio (MFCC) están estrechamente relacionados con la geometría vocal del
hablante mientras que los rasgos de largo plazo seleccionados (suprasegmentales)
no sólo capturan características físicas de cada individuo –rasgos intrínsecos– sino
que también tienden a contener información de su manera característica de hablar
(p. ej. prosodia, cualidad de voz, o timbre), revelando así no solo aspectos físicos
sino aprendidos o extrínsecos. Por todo esto, la información que brinda el nuevo
sistema permite mejorar la caracterización del hablante y, de este modo, la
información detallada con la que contará el perito que lo utilice. En el caso de
emplear adicionalmente métodos acústico-perceptivos, el sistema le permitirá
corroborar su análisis o le ayudará a re-evaluar alguna característica a la que no
haya prestado suficiente atención.
Por otra parte, el sistema multiparamétrico que hemos diseñado permite el
desglose de información fonética, con el fin de presentar los resultados de la
comparación entre hablantes de una manera más intuitiva que con un único
resultado numérico. Así como Evett et al. (2000) sugieren presentar la fuerza de la
evidencia en un formato textual, con este nuevo sistema se puede desarrollar dicha
explicación al juez para su mejor comprensión. Por ejemplo, tomando uno de los
cotejos de prueba del corpus de gemelos, con dos muestras de habla pertenecientes
al mismo hablante (MZ01_1_1 vs MZ01_1_2), podemos expresar la fuerza de la
evidencia como se muestra en la tabla 6. Si el perito utilizara, además, otras
Sistema multiparamétrico para la comparación forense de hablantes 35
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
metodologías como la perceptiva (p. ej. Hollien, 2002 o San Segundo y Mompeán,
2017), podría adicionar sus resultados al sistema paramétrico que acabamos de
describir, lo cual proporcionaría aún mayor información sobre los hablantes
comparados, para una redacción más completa del informe forense
correspondiente.
En el apéndice se muestran los resultados de todas las comparaciones intralocutor
(tabla 7) e interlocutor (tabla 8). La LLR media para las comparaciones de un
mismo hablante, con un valor de 2.33, indica que, de media, es 102.33 veces (unas
214 veces) más probable encontrar la evidencia forense (esto es, las características
vocales del cotejo en cuestión) si es cierta la hipótesis de que pertenecen al mismo
hablante que si es cierta la hipótesis de que pertenecen a hablantes distintos. La
LLR de -2.30 que obtienen de media las comparaciones entre distintos hablantes
indica que, en promedio, es 1/10-2.30 veces (unas 199 veces) más probable
encontrar la evidencia forense si es cierta la hipótesis de que pertenecen a distintos
hablantes que si es cierta la hipótesis de que pertenecen al mismo hablante. En
cualquiera de los dos casos, estaríamos hablando de apoyo “moderadamente
fuerte” a esas hipótesis (véanse los equivalentes verbales de LR en la guía del
ENFSI; ENFSI, 2015).
Cotejo de
voz
Enfoques individuales
Enfoque
Multi-
para-
métrico
MFCCs Tono Cualidad
de voz Duración
1.20
0.18
0.27
0.38
2.03
LLR
MZ01_1_1
vs.
MZ01_1_2
apoyo
moderado,
hipótesis
mismo
hablante
apoyo
débil,
hipótesis
mismo
hablante
apoyo
débil,
hipótesis
mismo
hablante
apoyo
débil,
hipótesis
mismo
hablante
apoyo
modera-
damente
fuerte,
hipótesis
mismo
hablante
Escala
verbal
Tabla 6. Presentación de la fuerza de la evidencia como valores de
LLR y con una interpretación verbal aclaratoria. MZ0X_Y_Z se
refiere a la pareja X (01-12) de gemelos, Y es el miembro de esa
pareja (1 o 2) y Z es la sesión de grabación (1 o 2). En este caso se
trata de una comparación intralocutor (mismo hablante).
Finalmente, podemos concluir que cada caso complejo debe analizarse de manera
independiente, empleando bases de datos ad hoc para el entrenamiento del sistema,
36 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
su calibración y la selección de parámetros de largo plazo. El aporte promedio de
los parámetros de largo plazo al LLRfinal fue de un 6.5%, siendo el restante 93.5%
responsabilidad de los parámetros de corto plazo. Es decir, indudablemente el
mayor aporte para la comparación forense de hablantes proviene de las
características del tracto vocal y de los articuladores, mientras que los parámetros
suprasegmentales cumplen una función secundaria, que –no obstante– puede
resultar especialmente útil en casos complejos como los que hemos presentado en
este trabajo.
6. REFERENCIAS
ADAMI, A.; L. BURGET, S. DUPONT, H. GARUDADRI, F. GREZL, H. HERMANSKY, P.
JAIN, S. KAJAREKAR, N. MORGAN y S. SIVADAS (2002): «Qualcomm-ICSI-
OGI features for ASR», en J. H. L. Hansen y B. Pellom (eds.), Proceedings of
the 7th International Conference on Spoken Language Processing
(ICSLP2002 - INTERSPEECH 2002), Denver, Colorado, USA, September
16-20, 2002, ISCA Archive, Vol. 1, pp. 4-7, http://www.isca-
speech.org/archive/icslp02, [25/02/2019].
AITKEN, C. G. y M. LEESE (1995): Statistics and the Evaluation of Evidence for
Forensic Scientists, Chichester, John Wiley & Sons.
AITKEN, C. G. y F. TARONI (2004): Statistics and the Evaluation of Evidence for
Forensic Scientists, Chichester, John Wiley & Sons.
BERGER, C.; B. ROBERTSON y G. VIGNAUX (2010): «Interpreting scientific evidence»,
en I. Freckelton y H. Selby (eds.): Expert Evidence, Sydney, Thomson
Reuters, pp. 9-28.
BHUTA, T.; L. PATRICK y J. D. GARNETT (2004): «Perceptual evaluation of voice
quality and its correlation with acoustic measurements», Journal of Voice,
18(3), pp. 299-304.
BOERSMA, P. and D. WEENINK (2005): Praat v.5.2.01, www.praat.org [11/11/2012].
BONASTRE, J. F.; F. WILS y S. MEIGNIER (2005): «ALIZE, a free toolkit for speaker
recognition», en Proceedings of (ICASSP '05). IEEE International Conference
on Acoustics, Speech, and Signal Processing, Philadelphia, 2005, vol. 1, pp.
737-740.
Sistema multiparamétrico para la comparación forense de hablantes 37
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
BRÜMMER, N. (2004): «Application-independent evaluation of speaker detection», en
Proceedings of Odyssey-04: The ISCA Speaker and Language Recognition
Workshop, Toledo, 2004, pp. 33-40.
BRÜMMER, N. y E. DE VILLIERS (2011): «The BOSARIS toolkit user guide: Theory,
algorithms and code for binary classifier score processing», Documentation of
BOSARIS toolkit.
BRÜMMER, N. y J. DU PREEZ (2006): «Application-independent evaluation of speaker
detection», Computer Speech & Language, 20(2), pp. 230-275.
CHAMPOD, C. y D. MEUWLY (2000): «The inference of identity in forensic speaker
recognition», Speech Communication, 31(2-3), pp.193-203.
CHAMPOD, C.; F. TARONI, A. BIEDERMANN y T. HICKS (2018): «Challenging Forensic
Science: How Science should speak to Court?», Coursera Massive Open
Online Course (MOOC), School of Criminal Justice, ESC, University of
Lausanne, https://www.coursera.org/learn/challenging-forensic-science
[25/02/2019].
DA COSTA FERNANDES, V. S. (2018): Alterações acústicas e percetivas introduzidas
nas vozes de indivíduos gémeos e devidas ao canal telefónico - Uma discussão
de impacto na análise forense, Tesis doctoral, Universidade do Porto.
DAVIS, S. y P. MERMELSTEIN (1980): «Comparison of parametric representations
for monosyllabic word recognition in continuously spoken sentences»,
IEEE Transactions on Acoustics, Speech, and Signal Processing, 28(4), pp.
357-366.
DEHAK, N.; P. J. KENNY, R. DEHAK, P. DUMOUCHEL y P. OUELLET (2011): «Front-end
factor analysis for speaker verification», IEEE Transactions on Acoustics,
Speech, and Signal Processing, 19(4), pp. 788-798.
DEJONCKERE, P. H.; M. REMACLE, E. FRESNEL-ELBAZ, V. WOISARD, L. CREVIER-
BUCHMAN y B. MILLET (1996): «Differentiated perceptual evaluation of
pathological voice quality: reliability and correlations with acoustic
measurements», Revue de Laryngologie-otologie-rhinologie, 117(3), p. 219.
38 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
DE JONG, N. H. y T. WEMPE (2008): Praat Script Syllable Nuclei (Praat script),
https://sites.google.com/site/speechrate/Home/praat-script-syllable-nuclei-v2
[25/02/2019].
ENFSI, European Network of Forensic Science Institutes (2015): ENFSI Guideline
for Evaluative Reporting in Forensic Science, http://enfsi.eu/wp-
content/uploads/2016/09/m1_guideline.pdf [19/02/2019].
EVETT, I. W. (1995): «Avoiding the transposed conditional», Science & Justice,
35(2), pp. 127-131.
EVETT, I. W.; G. JACKSON, J. A. LAMBERT y S. MCCROSSAN (2000): «The impact
of the principles of evidence interpretation on the structure and content of
statements», Science & Justice, 40(4), pp. 233-239.
GIL, J. y E. SAN SEGUNDO (2013): «El disimulo de la cualidad de voz en fonética
judicial: un estudio perceptivo para un caso de hiponasalidad», en A. Penas
(ed.): Panorama de la fonética española actual, Madrid, Arco / Libros, pp.
321-366.
GOLD, E. (2018): «Articulation rate as a speaker discriminant in British English»,
en Proceedings of Interspeech 2018, 98th Annual Conference of the
International Speech Communication Association, September 2-6,
Hyderabad, India, pp.1828-1832.
GONZÁLEZ-RODRÍGUEZ, J.; P. ROSE, D. RAMOS, D. TOLEDANO y J. ORTEGA-GARCÍA
(2007): «Emulating DNA: Rigorous quantification of evidential weight in
transparent and testable forensic speaker recognition», IEEE Transactions
on Audio, Speech and Language Processing, 15(7), pp. 2104-2115.
GURLEKIAN J. A. y N. MOLINA (2012): «Índice de perturbación, de precisión vocal y
de grado de aprovechamiento de energía para la evaluación del riesgo vocal»,
Revista de Logopedia, Foniatría y Audiología, 32(4), pp. 156-163.
HANSEN J. H. y T. HASAN (2015): «Speaker recognition by machines and humans: A
tutorial review», Signal Processing Magazine, IEEE, 32(6), pp. 74-99.
HAUTAMÄKI, R. G.; M. SAHIDULLAH, V. HAUTAMÄKI y T. KINNUNEN (2017):
«Acoustical and perceptual study of voice disguise by age modification in
speaker verification», Speech Communication, 95, pp. 1-15.
Sistema multiparamétrico para la comparación forense de hablantes 39
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
HERMANSKY, H. (1990): «Perceptual Linear Predictive (PLP) Analysis of Speech»,
Foundations and Trends in Signal Processing, 87(4), pp. 1738-1752.
HINTON, G.; L. DENG, D. YU, G. E. DAHL, A. R. MOHAMED, N. JAITLY, A. SENIOR, V.
VANHOUCKE, P. NGUYEN, T. N. SAINATH y B. KINGSBURY (2012): «Deep
neural networks for acoustic modeling in speech recognition: The shared
views of four research groups», Signal Processing Magazine, IEEE, 29(6), pp.
82-97.
HIRANO, M. (1981): Clinical Examination of Voice, Vienna / New York: Springer.
HOLLIEN, H. F. (2002): Forensic Voice Identification, Academic Press, London / San
Diego.
HUGHES, V.; P. HARRISON, P. FOULKES, P. FRENCH, C. KAVANAGH y E. SAN
SEGUNDO (2017): «Mapping across feature spaces in forensic voice
comparison: The contribution of auditory-based voice quality to (semi-)
automatic system testing», en Proceedings of the Annual Conference of the
International Association of Speech Communication (Interspeech), August
2017, Stockholm, Sweden, pp. 3892-3896.
KÜNZEL, H. J. (2000): «Effects of voice disguise on speaking fundamental
frequency», International Journal of Speech Language and the Law, 7(2), pp.
150-179.
LAVER, J. (1976): «The semiotic nature of phonetic data», York Papers in Linguistics,
6, pp. 55-62.
LEE, K. ; V. HAUTAMÄKI, T. KINNUNEN, A. LARCHER, C. ZHANG,A. NAUTSCH, T.
STAFYLAKIS, G. LIU, M. ROUVIER, W. RAO, F. ALEGRE1, J. MA, M. W. MAK, A.
K. SARKAR, H. DELGADO, R. SAEIDI, H. ARONOWITZ, A. SIZOV, H. SUN, T. H.
NGUYEN, G. WANG, B. MA, V. VESTMAN, M. SAHIDULLAH, M. HALONEN, A.
KANERVISTO, G. LE LAN, F. BAHMANINEZHAD, S. ISADSKIY, C. RATHGEB, C.
BUSCH, G. TZIMIROPOULOS, Q. QIAN, Z. WANG, Q. ZHAO, T. WANG, H. LI, J.
XUE, S. ZHU, R. JIN, T. ZHAO, P.-M. BOUSQUET, M. AJILI, W. B. KHEDER, D.
MATROUF, Z. H. LIM, C. XU, H. XU, X. XIAO, E. S. CHNG, B. FAUVE, K.
SRISKANDARAJA, V. SETHU, W. W. LIN, D. A. L. THOMSEN, Z.-H. TAN, M.
TODISCO, N. EVANS, H. LI, J. H. L. HANSEN, J.-F. BONASTRE, E. AMBIKAIRAJAH
(2017): «The I4U Mega Fusion and Collaboration for NIST Speaker
Recognition Evaluation 2016», en Proceedings of the Annual Conference of the
40 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
International Association of Speech Communication (Interspeech), August
2017, Stockholm, Sweden.
LEHISTE, I. (1970): Suprasegmentals, Cambridge, MIT Press.
MAKHOUL, J. (1975): «Linear prediction: A tutorial review», Proceedings of the
IEEE, 63(4), pp. 561-580.
MARTIN, D.; J. FITCH y V. WOLFE (1995): «Pathologic voice type and the acoustic
prediction of severity», Journal of Speech, Language, and Hearing Research,
38(4), pp. 765-771.
MARTÍNEZ SOLER, M.; P. UNIVASO y J. GURLEKIAN (2018): «FORENSIA- Technical
Specifications», DOI 10.13140/RG.2.2.36718.92488.
MASTHOFF, H. (1996): «A report on a voice disguise experiment», Forensic
Linguistics, 3, pp. 160-167.
MCLAREN, M.; L. FERRER, D. CASTAN y A. LAWSON (2016): «The Speakers in the
Wild (SITW) Speaker Recognition Database», en Proceedings of Interspeech
2016, San Francisco, ISCA, pp. 818-822.
MEUWLY, D. (2006): «Forensic individualisation from biometric data», Science and
Justice, 46(4), pp. 205-213.
MORRISON, G. S. (2009a): «Likelihood-ratio forensic voice comparison using
parametric representations of the formant trajectories of diphthongs», The
Journal of the Acoustical Society of America, 125(4), pp. 2387-2397.
MORRISON, G. S. (2009b): «Forensic voice comparison and the paradigm shift»,
Science and Justice, 49(4), pp. 298-308.
MORRISON, G. S.; P. ROSE y C. ZHANG (2012): «Protocol for the collection of
databases of recordings for forensic-voice-comparison research and practice»,
Australian Journal of Forensic Sciences, 44(2), pp. 155-167.
NOLAN, F. (1983): The Phonetic Bases of Speaker Recognition, Cambridge,
Cambridge University Press.
Sistema multiparamétrico para la comparación forense de hablantes 41
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
RAMOS-CASTRO, D. (2007): Forensic Evaluation of the Evidence Using Automatic
Speaker Recognition Systems, Tesis doctoral, Universidad Autónoma de
Madrid.
ROSE, P. (2002). Forensic Speaker Identification, London, Taylor & Francis.
SABATIER, S. B.; M. R. TRESTER y J. M. DAWSON (2019): «Measurement of the
impact of identical twin voices on automatic speaker
recognition», Measurement, 134, pp. 385-389.
SAN SEGUNDO, E. (2013): «A phonetic corpus of Spanish male twins and siblings:
Corpus design and forensic application», Procedia-Social and Behavioral
Sciences, 95, pp. 59-67.
SAN SEGUNDO, E.; H. ALVES y M. FERNÁNDEZ TRINIDAD (2013): «CIVIL Corpus:
Voice Quality for Speaker Forensic Comparison», Procedia-Social and
Behavioral Sciences, 95, pp. 587-593.
SAN SEGUNDO, E. (2014): Forensic speaker comparison of Spanish twins and non-
twin siblings: A phonetic-acoustic analysis of formant trajectories in vocalic
sequences, glottal source parameters and cepstral characteristics, Tesis
doctoral, Universidad Internacional Menéndez Pelayo.
SAN SEGUNDO, E. y H. KÜNZEL (2015): «Automatic speaker recognition of Spanish
siblings: (monozygotic and dizygotic) twins and non-twin brothers», Loquens,
2(2), 021.
SAN SEGUNDO E. y J. A. MOMPEÁN (2017): «A simplified vocal profile analysis
protocol for the assessment of voice quality and speaker similarity», Journal of
Voice, 31(5), 644-e11.
SAN SEGUNDO, E.; P. FOULKES, P. FRENCH, P. HARRISON, V. HUGHES y C.
KAVANAGH (2018): «The use of the Vocal Profile Analysis for speaker
characterization: Methodological proposals», Journal of the International
Phonetic Association, pp. 1-28.
SAN SEGUNDO, E. y J. YANG (2019): «Formant dynamics of Spanish vocalic
sequences in related speakers: A forensic-voice-comparison investigation»,
Journal of Phonetics, 75, pp. 1-26.
42 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
SCHWEITZER, N. J. y M. J. SAKS (2007): «The CSI effect: Popular fiction about
forensic science affects the public's expectations about real forensic science»,
Jurimetrics, 47, p. 357.
SILVERMAN, B. (1986): Density Estimation for Statistics and Data Analysis, London,
Chapman and Hall.
THOMPSON, W. C. y E. L. SCHUMANN (1987): «Interpretation of statistical evidence in
criminal trials», Law and Human Behavior, 11(3), pp. 167-187.
VAN LEEUWEN, D. y N. BRÜMMER (2007): «An introduction to application-
independent evaluation of speaker recognition systems», en C. Müller (ed.),
Speaker Classification I: Fundamentals, Features, and Methods, Heidelberg,
Springer, pp. 330-353.
YOUNG, S.; G. EVERMANN, M. GALES, T. HAIN, D. KERSHAW, X. LIU, G. MOORE, J.
ODELL, D. OLLASON, D. POVEY, V. VALTECH y P. WOOLAND (2006): The
HTK Book, Cambridge, Cambridge University Press.
ZHOU, Z. H. (2012): Ensemble Methods: Foundations and Algorithms, London,
Chapman and Hall.
Sistema multiparamétrico para la comparación forense de hablantes 43
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
APÉNDICE
Cotejo de voz
Enfoques individuales
Enfoque
multi-
paramétrico
MFCC Tono
Cualidad
de voz
Duración
MZ01_1_1
MZ01_1_2
1.20
0.18
0.27
0.38
2.03
MZ01_2_1
MZ01_2_2
2.10
0.19
0.27
0.40
2.95
MZ02_1_1
MZ02_1_2
1.80
0.17
0.27
0.32
2.56
MZ02_2_1
MZ02_2_2
0.30
0.18
0.27
0.35
1.10
MZ03_1_1
MZ03_1_2
2.30
0.17
0.27
0.37
3.11
MZ03_2_1
MZ03_2_2
2.30
0.19
0.28
0.32
3.09
MZ04_1_1
MZ04_1_2
2.60
0.20
0.27
0.38
3.45
MZ04_2_1
MZ04_2_2
0.40
0.17
0.27
0.02
0.86
MZ05_1_1
MZ05_1_2
2.20
0.18
0.26
0.38
3.02
MZ05_2_1
MZ05_2_2
1.30
0.16
0.27
0.35
2.09
MZ06_1_1
MZ06_1_2
0.90
0.19
0.28
0.36
1.74
MZ06_2_1
MZ06_2_2
-0.60
0.19
0.26
0.36
0.21
MZ07_1_1
MZ07_1_2
2.50
0.18
0.28
0.38
3.35
MZ07_2_1
MZ07_2_2
2.40
0.19
0.28
0.39
3.25
MZ08_1_1
MZ08_1_2
3.40
0.19
0.27
0.39
4.25
MZ08_2_1
MZ08_2_2
-0.40
0.17
0.27
-0.04
0.01
MZ09_1_1
MZ09_1_2
2.60
0.18
0.27
0.36
3.41
MZ09_2_1
MZ09_2_2
-1.10
0.19
0.27
0.23
-0.41
MZ10_1_1
MZ10_1_2
1.20
0.20
0.26
0.27
1.92
MZ10_2_1
MZ10_2_2
2.70
0.19
0.28
0.34
3.51
MZ11_1_1
MZ11_1_2
0.40
0.20
0.27
0.37
1.23
MZ11_2_1
MZ11_2_2
3.00
0.19
0.26
0.39
3.84
MZ12_1_1
MZ12_1_2
0.90
0.19
0.27
0.38
1.74
MZ12_2_1
MZ12_2_2
2.90
0.19
0.28
0.29
3.66
Promedio
1.55
0.18
0.27
0.32
2.33
Tabla 7. Comparación de los mismos hablantes en diferentes sesiones
(valores en LLR).
44 E. San Segundo, P. Univaso, J. Gurlekian
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
Cotejo de voz
Enfoques individuales
Enfoque
multi-
paramétrico
MFCCs Tono
Cualidad
de voz
Duración
MZ01_1_1
MZ01_2_1
-1.97
0.19
0.27
0.30
-1.22
MZ01_1_1
MZ01_2_2
-3.78
0.17
0.28
0.13
-3.20
MZ01_1_2
MZ01_2_1
-0.81
0.17
0.27
0.14
-0.22
MZ01_1_2
MZ01_2_2
-3.52
0.15
0.27
-0.11
-3.21
MZ02_1_1
MZ02_2_1
-1.56
0.19
0.28
0.37
-0.72
MZ02_1_1
MZ02_2_2
-1.92
0.18
0.28
0.33
-1.13
MZ02_1_2
MZ02_2_1
-2.67
0.18
0.28
0.37
-1.84
MZ02_1_2
MZ02_2_2
-3.61
0.17
0.28
0.40
-2.77
MZ03_1_1
MZ03_2_1
-1.84
0.17
0.27
0.38
-1.03
MZ03_1_1
MZ03_2_2
-2.66
0.19
0.27
0.30
-1.91
MZ03_1_2
MZ03_2_1
-1.14
0.17
0.27
0.37
-0.33
MZ03_1_2
MZ03_2_2
-2.60
0.19
0.27
0.31
-1.84
MZ04_1_1
MZ04_2_1
-3.88
0.19
0.22
0.38
-3.09
MZ04_1_1
MZ04_2_2
-2.91
0.20
0.23
0.25
-2.23
MZ04_1_2
MZ04_2_1
-3.50
0.19
0.26
0.26
-2.79
MZ04_1_2
MZ04_2_2
-3.05
0.18
0.27
0.38
-2.22
MZ05_1_1
MZ05_2_1
-2.77
0.19
0.27
0.01
-2.30
MZ05_1_1
MZ05_2_2
-4.98
0.19
0.27
0.00
-4.51
MZ05_1_2
MZ05_2_1
-3.62
0.20
0.27
0.08
-3.06
MZ05_1_2
MZ05_2_2
-5.74
0.20
0.28
0.06
-5.19
MZ06_1_1
MZ06_2_1
-2.86
0.18
0.27
-0.07
-2.48
MZ06_1_1
MZ06_2_2
-4.11
0.20
0.27
0.27
-3.37
MZ06_1_2
MZ06_2_1
-1.36
0.20
0.28
0.29
-0.59
MZ06_1_2
MZ06_2_2
-1.74
0.19
0.27
0.40
-0.87
MZ07_1_1
MZ07_2_1
-2.68
0.20
0.29
0.33
-1.86
MZ07_1_1
MZ07_2_2
-3.85
0.18
0.28
0.35
-3.04
MZ07_1_2
MZ07_2_1
-4.06
0.19
0.28
0.36
-3.24
MZ07_1_2
MZ07_2_2
-4.38
0.19
0.28
0.39
-3.52
MZ08_1_1
MZ08_2_1
-1.41
0.18
0.28
0.38
-0.58
MZ08_1_1
MZ08_2_2
1.34
0.15
0.28
-0.52
1.26
MZ08_1_2
MZ08_2_1
-1.79
0.18
0.27
0.37
-0.97
MZ08_1_2
MZ08_2_2
-0.66
0.18
0.28
-0.09
-0.29
MZ09_1_1
MZ09_2_1
-3.67
0.20
0.27
0.36
-2.84
MZ09_1_1
MZ09_2_2
-3.02
0.19
0.27
0.33
-2.23
MZ09_1_2
MZ09_2_1
-4.30
0.20
0.27
0.34
-3.50
Sistema multiparamétrico para la comparación forense de hablantes 45
EFE, ISSN 1575-5533, XXVIII, 2019, pp. 13-45
MZ09_1_2
MZ09_2_2
-3.16
0.20
0.27
0.27
-2.42
MZ10_1_1
MZ10_2_1
-9.33
0.16
0.27
-0.52
-9.42
MZ10_1_1
MZ10_2_2
-6.76
0.19
0.24
0.01
-6.31
MZ10_1_2
MZ10_2_1
-7.78
0.20
0.25
-0.10
-7.43
MZ10_1_2
MZ10_2_2
-4.82
0.19
0.21
0.23
-4.18
MZ11_1_1
MZ11_2_1
-0.79
0.19
0.27
0.38
0.05
MZ11_1_1
MZ11_2_2
-1.17
0.20
0.27
0.25
-0.45
MZ11_1_2
MZ11_2_1
0.58
0.19
0.28
0.23
1.27
MZ11_1_2
MZ11_2_2
-0.03
0.16
0.28
-0.11
0.31
MZ12_1_1
MZ12_2_1
-3.09
0.20
0.22
0.35
-2.32
MZ12_1_1
MZ12_2_2
-3.17
0.15
0.24
0.27
-2.51
MZ12_1_2
MZ12_2_1
-2.86
0.19
0.23
0.40
-2.04
MZ12_1_2
MZ12_2_2
-2.68
0.18
0.25
0.35
-1.90
Promedio
-2.96
0.18
0.27
0.21
-2.30
Tabla 8. Comparación de diferentes hablantes (gemelos entre sí)
para diferentes sesiones de grabación (valores en LLR).
View publication statsView publication stats
