audio-voice-recovery

法证音频研究：语音恢复最佳实践

全面的音频取证和语音恢复指南，提供 CSI 级别的能力，可从低质量、低音量或受损的音频录音中恢复语音。包含 8 个类别中的 45 条规则，并按影响程度排序，指导音频增强、法证分析和转录工作流。

适用场景

在以下情况下参考这些指南：

• 从嘈杂或低质量的录音中恢复语音
• 为转录或法律证据增强音频
• 执行法证音频鉴定
• 分析录音是否存在篡改或拼接
• 构建自动化音频处理管道
• 转录难以辨认或劣化的语音

按优先级划分的规则类别

优先级	类别	影响	前缀	规则数
1	信号保全与分析	CRITICAL	signal-	5
2	噪声特征分析与估计	CRITICAL	noise-	5
3	频谱处理	HIGH	spectral-	6
4	语音分离与增强	HIGH	voice-	7
5	时域处理	MEDIUM-HIGH	temporal-	5
6	转录与识别	MEDIUM	transcribe-	5
7	法证鉴定	MEDIUM	forensic-	5
8	工具集成与自动化	LOW-MEDIUM	tool-	7

快速参考

1. 信号保全与分析（CRITICAL）

• signal-preserve-original - 切勿修改原始录音
• signal-lossless-format - 处理时使用无损格式
• signal-sample-rate - 保留原生采样率
• signal-bit-depth - 处理时使用最大位深
• signal-analyze-first - 先分析，再处理

2. 噪声特征分析与估计（CRITICAL）

• noise-profile-silence - 从静音片段提取噪声特征
• noise-identify-type - 降噪前识别噪声类型
• noise-adaptive-estimation - 对非平稳噪声使用自适应估计
• noise-snr-assessment - 测量处理前后的信噪比
• noise-avoid-overprocessing - 避免过度处理和音乐伪影

3. 频谱处理（HIGH）

• spectral-subtraction - 对平稳噪声应用谱减法
• spectral-wiener-filter - 使用维纳滤波器进行最优噪声估计
• spectral-notch-filter - 对音调干扰应用陷波滤波器
• spectral-band-limiting - 对语音应用频带限制
• spectral-equalization - 使用法证均衡恢复可懂度
• spectral-declip - 在其他处理之前修复削波音频

4. 语音分离与增强（HIGH）

• voice-rnnoise - 使用 RNNoise 进行实时机器学习降噪
• voice-dialogue-isolate - 对复杂背景使用源分离
• voice-formant-preserve - 变调时保留共振峰
• voice-dereverb - 对室内回声应用去混响
• voice-enhance-speech - 使用 AI 语音增强服务快速获得处理结果
• voice-vad-segment - 使用 VAD 进行定向处理
• voice-frequency-boost - 提升特定音素对应的频段

5. 时域处理（中高）

• temporal-dynamic-range - 使用动态范围压缩，保持音量一致
• temporal-noise-gate - 应用噪声门，静音非语音片段
• temporal-time-stretch - 使用时间伸缩提升清晰度
• temporal-transient-repair - 修复瞬态损坏（咔嗒声、爆音、信号中断）
• temporal-silence-trim - 导出前修剪静音并进行归一化

6. 转录与识别（中）

• transcribe-whisper - 使用 Whisper 进行抗噪转录
• transcribe-multipass - 对困难音频进行多轮转录
• transcribe-segment - 对音频分段，以便针对性转录
• transcribe-confidence - 跟踪不确定词语的置信度分数
• transcribe-hallucination - 检测并过滤 ASR 幻觉

7. 取证认证（中）

• forensic-enf-analysis - 使用 ENF 分析验证时间戳
• forensic-metadata - 提取并验证音频元数据
• forensic-tampering - 检测音频篡改和拼接
• forensic-chain-custody - 记录证据保管链
• forensic-speaker-id - 提取说话人特征以进行身份识别

8. 工具集成与自动化（低至中）

• tool-ffmpeg-essentials - 掌握 FFmpeg 的基本音频命令
• tool-sox-commands - 使用 SoX 进行高级音频处理
• tool-python-pipeline - 构建 Python 音频处理流水线
• tool-audacity-workflow - 使用 Audacity 进行可视化分析和手动编辑
• tool-install-guide - 安装音频取证工具链
• tool-batch-automation - 自动执行批量处理工作流
• tool-quality-assessment - 测量音频质量指标

必备工具

工具	用途	安装
FFmpeg	格式转换、滤波	brew install ffmpeg
SoX	噪声分析、效果处理	brew install sox
Whisper	语音转录	pip install openai-whisper
librosa	Python 音频分析	pip install librosa
noisereduce	机器学习降噪	pip install noisereduce
Audacity	可视化编辑	brew install audacity

工作流脚本（推荐）

使用随附脚本生成客观基准、创建工作流计划并验证结果。

• scripts/preflight_audio.py - 生成取证预检报告（JSON 或 Markdown）。
• scripts/plan_from_preflight.py - 根据预检报告创建工作流计划模板。
• scripts/compare_audio.py - 比较基准音频与处理后音频之间的客观指标。

示例用法：

# 1) Analyze and capture baseline metrics
python3 skills/.experimental/audio-voice-recovery/scripts/preflight_audio.py evidence.wav --out preflight.json

# 2) Generate a workflow plan template
python3 skills/.experimental/audio-voice-recovery/scripts/plan_from_preflight.py --preflight preflight.json --out plan.md

# 3) Compare baseline vs processed metrics
python3 skills/.experimental/audio-voice-recovery/scripts/compare_audio.py \
  --before evidence.wav \
  --after enhanced.wav \
  --format md \
  --out comparison.md

法证预检工作流（任何更改前都要执行）

使预检符合 SWGDE《数字音频增强最佳实践》（20-a-001）和 SWGDE《法证音频最佳实践》（08-a-001）。 建立客观的基线状态并规划工作流，确保处理不会引入削波、伪影或造成错误的“已完成”信心。 使用 scripts/preflight_audio.py 捕获基线指标，并将报告与案件文件一同保存。

处理前捕获并记录：

• 记录证据的身份与完整性：路径、文件名、文件大小、SHA-256 校验和、来源、格式/容器、编解码器
• 记录信号完整性：采样率、位深、声道数、时长
• 测量基线响度和电平：LUFS/LKFS、真峰值、峰值、RMS、动态范围、直流偏移
• 检测削波并记录削波样本百分比、峰值余量、精确时间范围
• 确定噪声特征：平稳与非平稳噪声、主要噪声频段、信噪比估算值
• 定位感兴趣区域（ROI），并记录时间范围及其随时间的变化
• 检查频谱内容，估算语音频段能量和可懂度风险
• 扫描时间缺陷：静音缺失、间断、拼接、漂移
• 评估声道相关性和相位异常（如为立体声）
• 提取并保存元数据：时间戳、设备/型号标签、嵌入式备注

流程：

1. 准备法证工作副本，验证哈希值，并妥善保留未改动的原件。
2. 定位 ROI 和目标信号；记录精确时间范围及录音内容的变化。
3. 评估影响可懂度和信号质量的挑战；将这些挑战对应到缓解策略。
4. 确定所需处理，并规划可避免不良伪影的工作流顺序。 使用 scripts/plan_from_preflight.py 生成计划草案，并根据案件具体情况补充决策。
5. 按 ITU-R BS.1770 / EBU R 128 测量基线响度和真峰值，并记录峰值/RMS/直流偏移。
6. 检测削波和静音缺失；如果存在削波，先进行去削波处理，或暂停并记录限制。
7. 检查频谱内容和噪声类型；收集有代表性的噪声特征片段并估算信噪比。
8. 如果是立体声，评估声道相关性和相位；记录异常。
9. 创建基线听音日志（使用多种设备），并确定可懂度和可听性的成功标准。

防范失败模式：

• 捕获所有预检字段前，不要进行处理。
• 记录每项处理、设置、软件版本和时间片段，以确保可重复性。
• 将每个处理后的输出与未处理的输入进行比较，评估可懂度和可听性的改善情况。
• 避免过度处理；检查被移除的信号（滤波残留），以避免移除目标信号成分。
• 中间文件保持未压缩；在工具之间传递文件时保留采样率/位深。
• 对照原件进行最终复核；如果结果不理想，请修改处理或停止并报告限制。
• 如果请求无法实现，应说明限制，不要宣称已完成。
• 宣布完成前，必须要求客观指标和 A/B 听音。
• 不要只依赖客观指标；应通过认真听音进行佐证。
• 长时间复核时应安排听音休息，避免听觉疲劳。

快速增强流程

# 1. Analyze original (run preflight and capture baseline metrics)
python3 skills/.experimental/audio-voice-recovery/scripts/preflight_audio.py evidence.wav --out preflight.json

# 2. Create working copy with checksum
cp evidence.wav working.wav
sha256sum evidence.wav > evidence.sha256

# 3. Apply enhancement
ffmpeg -i working.wav -af "\
  highpass=f=80,\
  adeclick=w=55:o=75,\
  afftdn=nr=12:nf=-30:nt=w,\
  equalizer=f=2500:t=q:w=1:g=3,\
  loudnorm=I=-16:TP=-1.5:LRA=11\
" enhanced.wav

# 4. Transcribe
whisper enhanced.wav --model large-v3 --language en

# 5. Verify original unchanged
sha256sum -c evidence.sha256

# 6. Verify improvement (objective comparison + A/B listening)
python3 skills/.experimental/audio-voice-recovery/scripts/compare_audio.py \
  --before evidence.wav \
  --after enhanced.wav \
  --format md \
  --out comparison.md

使用方法

阅读各参考文件，了解详细说明和代码示例：

• 章节定义 - 类别结构和影响级别
• 规则模板 - 添加新规则的模板

参考文件

文件	说明
AGENTS.md	包含所有规则的完整汇编指南
references/_sections.md	类别定义和排序
assets/templates/_template.md	新规则模板
metadata.json	版本和参考信息