Czy po głosie można rozpoznać kłamstwo?

TL;DR

Drżący głos, zająknięcie i długa pauza nie dowodzą kłamstwa. Można zmierzyć zmianę w nagraniu, ale jej przyczyna pozostaje osobnym pytaniem. To, że czyjś głos budzi zaufanie, również nie potwierdza treści wypowiedzi.

Zachowaj całe pytanie i odpowiedź. Najpierw nazwij to, co słychać, a potem ustal, jakie konkretne twierdzenie można sprawdzić niezależnie od brzmienia głosu.

Zająknięcie nie opowiada całej historii

Odtwarzasz fragment rozmowy. Tuż przed ważnym szczegółem pojawia się przerwa, powtórzenie sylaby i zmiana tonu. Ktoś pod nagraniem pisze, że właśnie w tym miejscu powstało kłamstwo. Po takim komentarzu możesz usłyszeć całość jako gotową historię oszustwa.

Tyle że nagranie pokazuje zmianę mowy, a nie bezpośrednio zamiar. Poszukiwanie słowa, przypominanie sobie zdarzenia i wymyślanie odpowiedzi mogą wymagać zastanowienia. Bez dodatkowych informacji trudno wybrać jedną przyczynę.

Przy wykrywaniu kłamstwa potrzebujesz także możliwości odrzucenia podejrzenia. Jeżeli każda przerwa ma świadczyć przeciwko osobie mówiącej, co mogłoby przemówić na jej korzyść?

Ostatni raz sprawdzaliśmy opisane badania 19 października 2026 roku. Dotyczą różnych zadań i miar, dlatego ich wyników nie można połączyć w jeden wskaźnik wiarygodności głosu.

Fonoskopia bada głos, ale nie czyta zamiarów

Jacek Rzeszotarski w pracy opublikowanej w 2003 roku w Problems of Forensic Sciences omawiał zaburzenia mowy i błędy językowe w badaniach fonoskopijnych. Zwracał uwagę na różnicę między indywidualizacją mówcy a ustaleniem przyczyny nietypowej mowy na podstawie nagrania. To historyczne opracowanie metodyczne, nie test rozpoznawania kłamstw.

Ważna jest sama granica zadania. Ekspertyza może porównywać, kto mówi na dwóch nagraniach. Nawet trafne przypisanie głosu nie dowodzi, że treść wypowiedzi jest prawdziwa.

Podobnie lingwistyka kryminalistyczna stawia pytania o znaczenie słów w kontekście. Jeżeli próbujesz sprawdzić zaprzeczenie, najpierw trzeba ustalić, czemu właściwie zaprzeczono. „Nie dostałem wiadomości” i „nie przeczytałem wiadomości” opisują różne zdarzenia.

Nie trzeba diagnozować człowieka z nagrania, żeby ostrożnie traktować zmianę mowy. Słyszalna trudność nie ustala ani choroby, ani intencji oszustwa. To dodatkowe wnioski, które wymagają własnego uzasadnienia.

Najpierw ustal, co właściwie liczysz

Gdy mówimy, że głos stał się wyższy, możemy mieć na myśli co innego niż większą głośność. Częstotliwość F0 wiąże się z drganiami fałdów głosowych i jest podawana w hercach. Natężenie opisuje inną właściwość dźwięku.

Średnia wysokość i zakres jej zmian także nie są tym samym. Początek zdania może zabrzmieć wysoko, a dalsza część nisko. Wybór fragmentu zmienia wynik pomiaru bez zmiany samej wypowiedzi.

Przy tempie ważne jest, czy wliczono ciszę. Liczba sylab na sekundę całej odpowiedzi różni się od liczby sylab na sekundę samego mówienia. „Wolniej” bez definicji pozostawia istotną lukę.

W eksperymencie Mapali i współautorów z 2017 roku czas rozpoczęcia odpowiedzi miał określone granice pomiaru. To co innego niż pauza w środku zdania, a jeszcze czymś innym jest VOT: odstęp między zwolnieniem zwarcia spółgłoski a początkiem drgań głosowych. Ten ostatni nie mierzy czasu na wymyślenie historii.

Co pokazały szybsze odpowiedzi niezgodne z prawdą

Do badania z 2017 roku zrekrutowano 40 studentów. Zadanie dotyczyło wirtualnej kontroli bagażu. W grupie z poleceniem kłamania odpowiedzi fałszywe zaczynały się średnio po 0,84 sekundy, a prawdziwe odpowiedzi kontrolne po 0,95 sekundy. Różnica zaokrąglonych średnich wynosi 0,11 sekundy.

To porównanie wewnątrz tej grupy. Porównanie między grupami nie wykazało rozstrzygającej statystycznie różnicy. Nie wynika z tego reguła, że każda osoba kłamiąca odpowiada szybciej od każdej osoby mówiącej prawdę. Studencka symulacja nie była też rzeczywistą kontrolą na lotnisku.

Wynik podważa jednak prosty pomysł, że kłamstwo zawsze wymaga dłuższego namysłu. Przygotowane zaprzeczenie może być krótkie, a dokładne wspomnienie trudne do odtworzenia.

Jeśli wolna odpowiedź ma oznaczać wymyślanie, a szybka wyuczoną wersję, warto zapytać o wynik przeciwny. Teoria, która oskarża przy każdym tempie, nie pomaga rozstrzygnąć między prawdą a kłamstwem.

Głos, któremu wierzymy, to osobny problem

Płynna wypowiedź może budzić zaufanie. Nie oznacza to, że jej treść została sprawdzona. W badaniach łatwo pomylić te dwa cele, jeżeli widzimy tylko wysoką liczbę w podsumowaniu.

Chen i współautorzy w 2020 roku zebrali oceny 5 340 odpowiedzi. Każda otrzymała trzy oceny, a w ocenianiu uczestniczyło 431 osób. Trafność ludzkich sądów o prawdziwości wynosiła około 50%. Model przewidywania zaufania słuchaczy uzyskał F1 66,1%.

F1 łączy precyzję i czułość w odnajdywaniu danej kategorii; nie jest po prostu odsetkiem wszystkich poprawnych decyzji. Najważniejsze jednak, że model przewidywał wrażenie słuchacza. Mógł nauczyć się, komu wierzymy, bez ustalania, co rzeczywiście się wydarzyło.

Materiał również miał znaczenie. Słuchacze dostawali fragment odpowiedzi i pytanie zapisane tekstem, a nie pełną rozmowę z pierwotnym odstępem po pytaniu. Nie można przypisać ich ocenie informacji, której nie usłyszeli.

Dwa odsetki błędów, dwie różne grupy

Badanie terenowe opisane przez amerykański National Institute of Justice w 2008 roku objęło 319 niedawno zatrzymanych mężczyzn. Odpowiedzi o używaniu narkotyków zestawiono z badaniem moczu. Dwa systemy analizy stresu głosowego wykrywały średnio około 15% odpowiedzi uznanych za fałszywe. Wśród odpowiedzi uznanych za prawdziwe około 8,5% oznaczono błędnie.

Pierwszy odsetek dotyczy wykrywania fałszu. Drugi błędnych wskazań w grupie prawdziwych odpowiedzi. Nie są dwiema wersjami ogólnej trafności i nie należy ich tak przedstawiać.

Punktem odniesienia nie była bezbłędna znajomość każdego zdarzenia: znaczenie miały okresy wykrywalności substancji i zakres pytań. Były to historyczne programy oraz konkretne zadanie, nie ocena wszystkich współczesnych narzędzi.

Mimo tych granic wynik pokazuje, czego trzeba wymagać od obietnicy. Nawet gdy system mierzy coś związanego z napięciem, jego zdolność do rozróżniania prawdy i fałszu wymaga oddzielnej próby. Techniczny wygląd wykresu nie zastępuje takiego sprawdzenia.

Wyższy ton w którym momencie?

Przegląd Sporera i Schwandt z 2006 roku obejmował dziewięć zachowań parawerbalnych. Streszczenie mówi o dwóch stabilnych związkach przy ważeniu wielkością prób oraz czterech bez takiego ważenia. Efekty były małe i zróżnicowane, zależne od warunków.

Mały rosyjski eksperyment Agafonowej i Kułyginy z 2023 roku dobrze pokazuje problem definicji. W przygotowanych wywiadach średnia częstotliwość wynosiła 177,1 Hz dla mowy prawdziwej i 169,9 Hz dla nieszczerej. Na początku wypowiedzi kierunek był odwrotny: 169 wobec 172,3 Hz. Średnie tempo było takie samo, po 4,2 sylaby na sekundę.

W wywiadach brało udział osiem osób, a osobny kontekst gry w Mafię obejmował siedem. Nie ustalono na tej podstawie niezależnej trafności klasyfikacji nowych osób. Liczby wyjaśniają natomiast, dlaczego początek zdania, średnia i zakres nie mogą zastępować się w komentarzu.

Nagranie tej samej osoby z innego dnia może pokazać zmianę, ale nie jej przyczynę. Między swobodną rozmową a trudnym pytaniem zmieniają się również temat i obciążenie zadaniem.

Nowe badania nie zamykają sporu

Nie trzeba uznawać, że w dźwięku nie ma żadnych użytecznych informacji. W 2024 roku Xiu i współautorzy opisali eksperyment z symulowanym przestępstwem i 62 uczestnikami. Streszczenie podaje dla VOT pole pod krzywą ROC równe 0,888.

To nie jest 88,8% poprawnych decyzji. Miara opisuje rozdzielanie kategorii przy różnych progach. Do oceny zastosowania potrzebne są błędy przy konkretnym progu i sprawdzenie na nowych osobach.

Capra, Gomies i Zhang w pracy z 2026 roku badali dane z Golden Balls oraz korpusu Real-life Trial. Opublikowane streszczenie opisuje użyteczność cech głosu i ograniczone przenoszenie wyników między kontekstami. Oba elementy trzeba zachować w opisie.

W materiałach sądowych należy też zapytać, skąd wiadomo, że określone zdanie było prawdziwe lub fałszywe. Rozstrzygnięcie całej sprawy nie potwierdza automatycznie każdej wypowiedzi. Dobry model nie naprawia źle zdefiniowanego punktu odniesienia.

Książka zostawiona w recepcji

Wyobraź sobie fikcyjną rozmowę o pożyczonej książce. W wiadomości pada: „Oddałam ją wczoraj… w recepcji”. Książki nadal nie ma. Ktoś komentuje, że pauza przed miejscem zdradza wymyśloną wersję.

Najpierw trzeba ustalić, co oznaczało „oddałam”. Przekazanie do recepcji i odbiór przez właściciela to różne zdarzenia. Brak książki u jednej osoby nie wyklucza automatycznie pozostawienia jej gdzie indziej.

Czas wysłania wiadomości nie jest czasem przekazania przedmiotu. Zapis odbioru albo relacja osoby z recepcji mogłyby potwierdzić kolejny fragment historii. Każdy z tych elementów wymaga własnej interpretacji.

Gdy książka się znajdzie we wskazanym miejscu, pauza pozostanie. Zmieni się jednak podstawa oskarżenia. Jeśli pojawi się sprzeczny zapis, powstaną nowe pytania. W obu przypadkach o zdarzeniu dowiadujemy się z czegoś więcej niż z tonu.

Kiedy nagranie traci potrzebny kontekst

Wycięte powtórzenie pytania może sprawić, że odpowiedź brzmi jak natychmiastowa. Fragment zaczynający się w środku zdania może nadać pauzie inną pozycję. Cięcie nie dowodzi złej intencji autora materiału, ale ogranicza pomiar.

Wielokrotne odsłuchiwanie tej samej wersji nie przywraca brakujących sekund. Może wzmacniać przekonanie, nie dodając niezależnego dowodu.

Dokumentacja Praat wskazuje, że ustawienia wyznaczania wysokości oraz wybrany obszar dźwięku wpływają na pomiary głosu. Linia na ekranie jest wynikiem obliczenia według określonych zasad, a nie obrazem czyjegoś zamiaru.

W publicznym komentarzu rozdziel cytat, obserwację i hipotezę. „Tu słychać przerwę” daje się sprawdzić na nagraniu. „Tu osoba wymyśla alibi” wymaga dodatkowych podstaw i może mieć znacznie poważniejsze konsekwencje dla jej reputacji.

Jak sprawdzić obietnicę programu

Potrzebny jest test na osobach, których głosów nie użyto do opracowania metody. Rozdzielenie fragmentów tej samej osoby między uczenie i ocenę może pozwolić rozpoznawać mówcę zamiast ogólnej cechy kłamstwa.

Następnie trzeba niezależnie ustalić prawdziwość odpowiedzi i wybrać próg decyzji. Pomyłki na wypowiedziach prawdziwych należy policzyć osobno od niewykrytych fałszywych. Jedna imponująca średnia może ukryć nierówny koszt tych błędów.

Język, długość, przygotowanie odpowiedzi i kanał nagrania należą do warunków zastosowania. Krótkie przygotowane wypowiedzi po angielsku nie potwierdzają działania na spontanicznej polskiej wiadomości głosowej. Potrzebne jest osobne sprawdzenie.

Wreszcie trzeba określić cel. Pokonać przewidywanie najczęstszej kategorii, pokonać słuchaczy bez szkolenia i pomóc ustalić fakt w dochodzeniu to różne osiągnięcia. Wynik powinien odpowiadać temu, co obiecuje narzędzie.

Co zrobić z podejrzanie brzmiącą odpowiedzią

Nie musisz udawać, że zmiana głosu nie istnieje. Nazwij ją dokładniej, zachowaj pełne pytanie i wskaż twierdzenie, które da się sprawdzić inną drogą.

Gdy brakuje kontekstu, pozostaw tę lukę otwartą. Gdy pojawią się informacje osłabiające podejrzenie, dopuść zmianę oceny. Rzetelna obserwacja dźwięku może pozostać trafna mimo nietrafnego oskarżenia.

Badania głosu są wartościowe wtedy, gdy pokazują zarówno możliwości, jak i błędy. Uważne słuchanie może pomóc zauważyć pytanie warte wyjaśnienia. Nie daje jednak prawa uznać każdej trudności w mówieniu za odpowiedź o winie.