【逃犯条例】学术分析警察讲“猪”定“自由”　研究时频谱揾真相

文：朱孝文 Lanston
2019年6月12日，香港警察以过度武力镇压抗议《逃犯条例》修订的市民，令舆论哗然。有不少警察滥权的证据广为流传，其中一段捕捉了警察爆粗挑衅躲在商场内的市民。原片如下︰

片中警员隔玻璃向示威者咆哮：“出来啦，＿＿！”此片引起了一个稍为离题的讨论：究竟警察当时说的是“自由西”，还是粤语脏话“猪西”？原片字幕显示“自由西”，而网民纷纷表示如果边看片段边看字幕会听到“自由西”，但如只听声音则会听到“猪西”，十分神奇。万料不到在最近的《逃犯条例》修订争议中，竟出了一个香港警队版本的Yanny vs. Laurel罗生门。究竟当时警员说的是“自由西”还是“猪西”？

有争议的字眼总长0.5秒。假设警员说的是“自由西”，三字分别在3.9至4.1秒﹑4.1至4.25秒、及4.25至4.4秒位置，长度分别为0.2秒、0.15秒和0.15秒，长度比例为4:3:3。假设警员说的是“猪西”，长度则为0.35秒和0.15秒，亦即7:3。

不同发音的时频谱

我在中文大学的“粤语审音配词字库”提取了“自”、“由”、“猪”、“西”四字，并按4:3:3和7:3长度作切割然后合并成“自由西”与“猪西”两段语音，并按原片语速各自调整成0.5秒总长度。最后将语音转成时频谱（Spectrogram）。时频谱的X轴为时间，Y轴为语音频率，颜色越深代表信号越强烈。合成时频谱如下︰

“自由西”的时频谱在中间区间（0.2秒至0.35秒的位置）的频率倾向低频，图形深色部份看起来成“U”状。这是由于“由”发音较为低沉。作为对比，“猪西”的频率在0.2秒至0.35秒中间部份变化不大，与早段相同。再者，由于“猪”字一直拉长，图形深色部份成“一”状，直至“西”字出现，尾段频率才出现较大变化。

现在我们可以分析原片的0.5秒音频︰

图中可见，时段中间部份频率并无特别集中在低频部份，基本上与早段相同，与“猪西”的时频谱较吻合。从此可见警员较有可能说的是“猪西”而非“自由西”。这结果亦非常合乎常理，“自由西”实在太有创意，骂人者必须理解市民因争取自由而行动才骂得出来。“自由西”表面粗鄙实质高雅，需要有一定文化修养才能在千钧一发之际出口成文。相反，“猪西”一词是常见用语，情绪一来即可不问背景冲口而出，因此警员在片中讲的是“猪西”比较合理。

为什么我们有些时候会听到“自由西”？

如上面所言，如果我们看着字幕，或心中想着“自由西”三字，就会倾向把“猪西”听成“自由西”，为什么会这样？这是由于我们的大脑不会处理耳朵收到声音信号的每个信息（否则大脑会因处理所有信号细节而过劳）。人脑中的神经元（Neuron）数量以千亿计，神经元与神经元彼此相连，一个神经元可输出至多个神经元，多个神经元亦可输出至一个神经元，形成巨型神经网络。大脑将耳朵收到的信息按大脑中的神经元逐层传递，部份神经元按照接收到的信息决定自身是否会被激活，如被激活就会传递信号到下一个神经元。

当某个代表“自由”粤音讯号的神经元被激活时，大脑就会告诉你你听到了“自由”粤音讯号。而当某个代表“猪”粤音讯号的神经元被激活时，大脑就会告诉你你听到了“猪”粤音讯号。所以，当你看着“自由西”字幕或心中想着“自由西”三字的时候，大脑除分析收到的声音讯号外还会处理你看到或想着的信号，一起决定哪些神经元会被激活。而当音讯较为模棱两可时，“自由”神经元就会在听到“猪”一字时被激活，我们就会以为自己听到“自由”了。

作者简介：

美国威斯康辛大学研究生，研究兴趣为人工智能（深度学习、机械学习以及电脑视觉）

作者网志：https://lanstonchu.wordpress.com/

（文章标题由《香港01》编辑所拟。文章纯属作者意见，不代表《香港01》立场。）