一、批驳的对象

《刑事审判参考》第144辑1663号的表述抽象出来，它真正依赖的其实是三层判断：

• 第一层：声音具有个体识别意义，因此可以通过技术手段判断是否为同一说话人。
• 第二层：只要鉴定机构、鉴定人、检材来源、鉴定程序和方法合规，声纹鉴定就具有相当的可信度。
• 第三层：声纹鉴定虽然不能单独定案，但可以与其他证据相互印证，成为将被告人与涉案语音绑定的重要技术证据。

这三层判断，在传统录音环境下尚且存在争议；到了今天的 AI 语音时代，则已经不只是“存在争议”，而是 逻辑基础本身就发生了变化。因为现代语音生成技术面对法庭提出的，不再只是一个“谁在说话”的识别问题， 而首先是一个“这段声音到底是不是真人自然发声”的真实性问题。

二、人工智能已经把“模仿他人声音”从想象变成了现实

近几年，语音合成与语音转换技术连续跨越几个关键门槛：短样本语音克隆、零样本文本转语音、低延迟 speech-to-speech、 实时 voice conversion、保留原说话人音色的实时翻译，都已经从研究论文走向公开展示和产品化探索。问题已经不再是 “声音能不能模仿”，而是“能不能用极短样本、高质量、低延迟乃至实时互动地模拟某个人的声音”，答案显然是肯定的。

这意味着，在 AI 语音时代，声纹比对首先不再是单纯的“说话人识别”问题，而是一个更复杂的前置问题： 待检音频到底是不是未经算法处理的自然人原始语音。

三、声纹鉴定今天首先面对的，不是“匹配问题”，而首先要审查“真伪问题”

“人声具有个体差异”这句话本身并没有问题，但它并不等于“待检录音必然真实反映了该个体的自然发声”。 过去，法庭往往把二者自然连在一起理解；今天，这条逻辑链已经断裂。因为一段声音“像不像本人”， 现在可能来自三条完全不同的路径：

• 第一，确实是本人自然说话；
• 第二，是他人利用模型离线克隆出来的；
• 第三，是他人借助实时 voice conversion 或 speech-to-speech 系统，在实时交流中把自己的声音转换成“像他”的声音。

因此，“相似”已经不再当然推出“同一”。它最多只能说明： 这段音频呈现了与某个特定人接近的声学特征。 但这些特征究竟来自自然人，还是来自模型合成，不能再靠经验当然推定。

四、现行标准能够说明“怎么做”，却不能替代“为什么可信”

有些观点会说，声纹鉴定并不是没有规范，司法部已经有《语音同一性鉴定技术规范》。这一点当然成立。 但这只能说明一个问题：国家为这类鉴定制定了操作规则，并不意味着国家已经替法庭担保， 它在所有案件、所有场景、所有检材条件下都具有足以支撑刑事归责的稳定可靠性。

技术规范回答的是“应当如何开展这类鉴定”，而不是“只要按此操作，就足以跨场景稳定识别说话人， 更足以排除 AI 合成、平台压缩、后期剪辑、通道失真等风险”。把“有规范”直接推导成“在刑事个案中可靠”， 本身就是逻辑跳跃。

五、从证据规则看，声纹鉴定的样本必须先确保真实

其实，现行刑事证据规则对这个问题早就给出了比“技术信心”更谨慎的答案。

对视听资料和电子数据，司法规则长期强调的重点并不是“像不像”，而是： 来源是否合法、是否为原件、内容和制作过程是否真实、是否存在剪辑增加删改、提取过程能否重现、完整性是否可保证。 如果存在篡改、伪造、真伪不明，或者制作、取得的时间、地点、方式等存在疑问且不能合理解释，就不能作为定案根据。

这意味着，在做声纹比对之前，必须先完成两道门槛审查：

• 第一道门槛：音频真实性门槛——原始文件是否存在，是否经过转码、剪辑、增强、降噪、拼接、模型处理，平台侧是否留存原始元数据、日志和传输记录。
• 第二道门槛：电子数据完整性门槛——收集提取过程能否重现，原始载体是否存在，校验值、访问日志、备份文件、封存状态能否核验。

若这两道门槛过不去，声纹鉴定就不应再被赋予将被告人与语音直接绑定的证明功能。因为此时比对的，已经不是一个 经过真实性净化的对象，而是一个真伪未明、来源不清、可能已被算法污染的待检音频。

六、勿忘当年“测谎结果能否作为证据”的争议

我认为，讨论声纹鉴定，今天不能只看技术本身，还必须把它放回中国证据法面对新技术时的一段历史经验中去看。 这个历史经验，就是测谎结果。

围绕测谎结果能否进入诉讼、能否作为证据、能否被归入鉴定结论，中国法学界和实务界曾有过相当激烈的争论。关于测谎结论是否能够作为刑事诉讼证据，始终没有形成真正稳固的肯定共识。结果也非常明确：测谎结果并没有真正进入我国刑事法定证据体系，而更多只是被当作侦查辅助、线索判断或者参考材料。

今天的声纹鉴定，在某种意义上正在重复测谎曾经走过的路径。它当然比早年的测谎更技术化、更精密，也有更成熟的标准化流程； 但它同样面临几个相似的根本难题：

• 它依赖概率性、条件性特征，而不是像 DNA 那样相对稳定的对象；
• 它高度受样本质量、场景差异、操作者、算法模型影响；
• 它如今又额外遭遇生成式 AI 的对抗性冲击。

正因如此，声纹鉴定今天最需要的，不是被更大胆地推进入罪中心，而是被更严格地放回证据能力与真实性审查的门槛之下重新检验。

七、《刑事审判参考》第144辑1663号说服力不足

如果把前面的分析重新照回该文的论证框架，就可以看到问题所在。

它说“人声具有唯一性”，但今天真正应问的是：这段录音是不是未经 AI 合成或转换处理的自然人发声。 这一前提没有证明，唯一性就没有归属意义。

它强调“声纹鉴定已有规范、程序合法、鉴定人出庭”，但今天真正应问的是： 待检音频的原始文件在哪里，平台元数据在哪里，转码链路在哪里，完整性校验在哪里，是否先进行了合成音频的独立筛查。 这些前置问题没有解决，程序合法并不等于对象真实。

它说“声纹鉴定与其他证据相互印证”，但今天还要继续追问：所谓其他证据，是不是同样围绕这一条数字语音链条展开的同源材料。 如果聊天记录、账号使用、转账轨迹、被害人辨认，都依赖同一个未经真实性净化的语音中心，那么它们之间很多时候并不是独立补强， 而只是围绕同一脆弱节点进行的相互抬轿。