Фоноскопическая экспертиза по выявлению признаков монтажа и дипфейков

Проблема дипфейков и синтезированной речи

В последние годы аудиозаписи перестали быть безусловным доказательством. Если раньше считалось, что «на записи слышно — значит было», то сегодня ситуация изменилась принципиально. Современные технологии позволяют не просто редактировать звук, но и полностью создавать речь, имитируя конкретного человека. Речь идёт о так называемых дипфейках — аудиозаписях, созданных с использованием искусственного интеллекта.

С помощью нейросетей можно синтезировать голос, изменить интонации, «собрать» фразы из отдельных слов или вовсе сгенерировать разговор, которого никогда не было. При этом на слух такие записи часто воспринимаются как естественные. Именно поэтому всё чаще возникает необходимость в проведении фоноскопической экспертизы, способной установить — является ли запись подлинной или подвергалась изменениям.

Современные технологии искусственного интеллекта позволяют создавать аудиозаписи, которые практически неотличимы от реальной человеческой речи. С использованием нейросетей возможно:

• синтезировать голос конкретного человека;

• изменить содержание разговора без заметных артефактов;

• «договорить» фразы, которых в реальности не было;

• полностью сгенерировать диалог;

• создать компрометирующие аудиозаписи.

Такие технологии активно используются в мошенничестве, корпоративных конфликтах, а также могут фигурировать в уголовных и гражданских делах. В связи с этим проверка аудиозаписи на признаки монтажа и дипфейка становится критически важной задачей судебной экспертизы.

• выявление признаков монтажа (склейки, удаления, вставки фрагментов);

• диагностика искусственного происхождения речи (TTS, AI-синтез);

• анализ непрерывности записи;

• выявление обработки (шумоподавление, изменение тембра, компрессия);

• исследование метаданных аудиофайла;

• установление соответствия записи условиям её создания.

Пример исследования дипфейка

Объектом исследования являлась фонограмма, содержащаяся в файле «AUD-20250220-WA0000.opus». Файл имел один канал записи, частоту дискретизации 16000 Гц и низкий битрейт, характерный для голосовых сообщений. Общая продолжительность записи составляла 30 секунд.

Установление содержания записи проводилось с использованием специализированного программного обеспечения. Анализ включал визуальное изучение осциллограмм и спектрограмм, а также многократное прослушивание записи. При необходимости применялась обработка сигнала для повышения разборчивости речи.

В результате была получена расшифровка содержания, после чего начался этап диагностического анализа.

Уже на уровне слухового восприятия были выявлены особенности, нехарактерные для естественной речи. В частности, обращали на себя внимание неестественные паузы между фразами, слабая эмоциональная выразительность и специфический оттенок звучания, который можно охарактеризовать как «металлизированный».

Дальнейший спектральный анализ позволил выявить более точные признаки. В структуре согласных звуков были обнаружены гармонические компоненты, характерные для гласных, что не соответствует нормальной артикуляции. Также зафиксированы случаи «двоения» согласных — когда один звук фактически представлен двумя наложенными сигналами.

На ряде участков наблюдались резкие изменения спектра, напоминающие ступенчатые переходы. Подобные явления возникают при цифровой обработке или синтезе речи и практически не встречаются в естественной фонограмме.

Фрагменты спектрограммы, иллюстрирующие двоение согласных звуков.

Наличие резких изменений спектра («ступенек») на гармонической структуре гласных звуков.

Кроме того, в записи отсутствовали некоторые согласные звуки на концах слов, что также является нетипичным. Были выявлены отдельные артефакты — сбои в формировании звуковой волны, а также признаки конкатенации, то есть склейки отдельных фрагментов речи.

Дополнительно зафиксированы аномалии в спектре отдельных звуков, например, согласного «Т», который имел нетипичную длительность и частотную структуру. Совокупность выявленных признаков позволила сделать однозначный вывод о неестественной природе записи.

Когда необходима экспертиза по установлению аудио дипфейка

На практике подобные исследования востребованы в самых разных ситуациях. Это могут быть уголовные дела, где аудиозапись используется в качестве доказательства, корпоративные конфликты, связанные с утечкой информации, или гражданские споры, в которых одна из сторон пытается подтвердить свои доводы с помощью записи разговора.

В последнее время всё чаще экспертиза требуется именно для проверки на дипфейк. Распространение технологий синтеза речи привело к появлению новых рисков — от мошенничества до создания компрометирующих материалов.

Случаи применения:

• Уголовные дела: оспаривание записей взяток, угроз, вымогательства;

• Гражданские споры: проверка записей договорённостей и показаний;

• Корпоративные расследования: выявление фальсифицированных записей;

• Трудовые споры между работником и работодателем;

• Семейные дела: опека, угрозы, давление;

• Административные дела: подтверждение нарушений;

• Журналистские расследования и проверка медиаконтента;

• Страховые случаи и определение временных рамок событий.

Какие материалы принимаются на экспертизу

• Цифровые аудиофайлы (WAV, MP3, AAC, FLAC, OGG, OPUS, M4A и др.);

• Аналоговые и цифровые диктофонные записи;

• Записи из мессенджеров (WhatsApp, Telegram, Viber);

• Записи телефонных переговоров;

• Видеозаписи с извлечённой звуковой дорожкой;

• Записи систем видеонаблюдения;

• Материалы со смартфонов, планшетов и ПК;

• Записи с ИКС, СОРМ, корпоративных АТС;

• Первоисточники на оригинальных носителях (флэш, SD, HDD).