Người giấu mặt trong đoạn clip nói xấu Sơn Tùng và ViruSs sẽ bị lộ diện nhờ kĩ thuật giám định giọng nói?

Mấy ngày gần đây, một nhân vật bí ẩn đã “cà khịa” Sơn Tùng MTP và ViruSs trong một đoạn video quay lén. Đáng chú ý, đoạn video này đã gây ra rắc rối cho người thứ ba là Jack vì ý kiến của số đông cho rằng anh chính là người ẩn mặt kia. Thông tin này vẫn chưa được xác minh. Để biết được đoạn video này là như lời đồn hay chỉ là một sản phẩm nhằm bôi nhọ người khác, các bên điều tra có thể dùng kĩ thuật giám định giọng nói để kiểm tra. Kĩ thuật này từng được nhắc đến trong bộ phim Bằng chứng thép 4 vừa được lên sóng đầu năm nay.

Trong tập 9 Bằng chứng thép 4, Hầu Mẫn Lê (Trịnh Hy Di) - bạn gái của sếp phòng pháp chứng Cao An (Huỳnh Hạo Nhiên) bị tên Lê Tuấn Dụ đểu giả dàn dựng, biến tấu nội dung một video quay lén cô rồi tung lên mạng để hạ thấp danh dự Mẫn Lê. Tuấn Dụ đã cho người giả giọng của Mẫn Lê trong video để gán ghép tin tức xấu về cô nàng. Khi cuộc điều tra đi vào bế tắc, bác sĩ pháp y Văn Gia Hy đã tìm đến chuyên gia âm thanh Thi Kiến Hiền (Hải Tuấn Kiệt) để xin ý kiến chuyên môn. Kiến Hiền đã chỉ rõ ra rằng kĩ thuật giám định giọng nói đang là một phương pháp điều tra rất được coi trọng ở nhiều nước. Vì vậy, anh đã sử dụng kĩ thuật này để tìm ra bằng chứng bảo vệ sự trong sạch của Mẫn Lê.

Chúng ta có thể hiểu phương pháp giám định trong phim như sau. Trước tiên, tổ giám định cần phải có hai mẫu âm thanh, một là mẫu của đương sự, một là mẫu cần được giám định. Sau đó, các chuyên gia sẽ phân tách hai đoạn âm thanh này qua nhiều bước để tìm được đặc trưng riêng biệt từng đoạn. Khi đã có được các điểm đặc trưng này, các chuyên gia sẽ có thể dùng máy tính đối chiếu, so sánh xem liệu chúng phải đến từ cùng một nguồn (tức từ một người nói hay không).

Chuyên sâu hơn, phương pháp này được gọi là phương pháp dùng bộ lọc Mel (Mel Filter) để phân tích một đoạn âm thanh ở dạng kí hiệu (speech signal) thành các hệ số MFCC (MFCCs). Các hệ số MFCC chính là đặc trưng riêng biệt của mỗi giọng nói.

Các bước giám định sẽ đi theo trình tự: lấy âm thanh gốc ở dạng kí hiệu (speech signal) chuyển thành âm phổ (spectrum) - dạng biểu đồ. Kế đó, chúng ta sẽ dùng bộ lọc Mel chuyển âm phổ thành các chỉ số MFCC. Để biết được sự khác nhau trong các giọng nói, các chuyên gia giám định sẽ phải dựa vào việc so sánh các chỉ số này.

Vậy thì phương pháp này ưu việt hơn đôi tai nhạy bén của con người như thế nào? Mỗi ngày, tai của chúng ta sẽ phải tiếp nhận và xử lí rất nhiều loại âm thanh, từ tiếng nói của ba mẹ, tiếng hát của cô hàng xóm cho đến tiếng khoan cắt bê tông ở đầu đường hay tiếng máy xay cà phê trong quán nước quen thuộc. Tai của chúng ta thường phân biệt được chúng dựa vào các đặc điểm cơ bản của mỗi âm thanh là cao độ (thường được tính bằng Hz), cường độ (thường được tính bằng dB) và âm sắc. Vì vậy, chỉ cần có sự tác động và điều chỉnh lên các hệ số của âm thanh này, tai của chúng ta sẽ dễ dàng bị đánh lừa và nhầm tưởng nó là một âm thanh khác.

Phương pháp bộ lọc Mel không dựa vào các chỉ số thông thường của âm thanh (như cách tai chúng ta vận hành) để nêu lên đặc trưng của một âm thanh; mà phương pháp này dùng các hệ số chi tiết (MFCC) để phân biệt một âm thanh. Vì có tính khoa học và độ chính xác cao nên phương pháp này được sử dụng trong việc giám định âm thanh, giọng nói ở các vụ tố tụng dân sự, hình sự.

Ở Việt Nam, theo Bộ luật Hình sự năm 2015, biện pháp điều tra nhận biết giọng nói được phép sử dụng, trước sự giám sát của Viện kiểm sát, để phân biệt các giọng nói liên quan đến sự việc, nhằm hình thành chứng cứ trình tòa. Liệu rằng Jack sẽ dùng cách giám định giọng nói để chứng minh sự trong sạch cho mình như vụ án Hầu Mẫn Lê trong Bằng chứng thép 4?