【逃犯條例】學術分析警察講「豬」定「自由」 研究時頻譜搵真相
文：朱孝文 Lanston
2019年6月12日，香港警察以過度武力鎮壓抗議《逃犯條例》修訂的市民，令輿論嘩然。有不少警察濫權的證據廣為流傳，其中一段捕捉了警察爆粗挑釁躲在商場內的市民。原片如下︰
片中警員隔玻璃向示威者咆哮：「出來啦，＿＿！」此片引起了一個稍為離題的討論：究竟警察當時說的是「自由西」，還是粵語髒話「豬西」？原片字幕顯示「自由西」，而網民紛紛表示如果邊看片段邊看字幕會聽到「自由西」，但如只聽聲音則會聽到「豬西」，十分神奇。萬料不到在最近的《逃犯條例》修訂爭議中，竟出了一個香港警隊版本的Yanny vs. Laurel羅生門。究竟當時警員說的是「自由西」還是「豬西」？
有爭議的字眼總長0.5秒。假設警員說的是「自由西」，三字分別在3.9至4.1秒﹑4.1至4.25秒、及4.25至4.4秒位置，長度分別為0.2秒、0.15秒和0.15秒，長度比例為4:3:3。假設警員說的是「豬西」，長度則為0.35秒和0.15秒，亦即7:3。
不同發音的時頻譜
我在中文大學的「粵語審音配詞字庫」提取了「自」、「由」、「豬」、「西」四字，並按4:3:3和7:3長度作切割然後合併成「自由西」與「豬西」兩段語音，並按原片語速各自調整成0.5秒總長度。最後將語音轉成時頻譜（Spectrogram）。時頻譜的X軸為時間，Y軸為語音頻率，顏色越深代表信號越強烈。合成時頻譜如下︰
「自由西」的時頻譜在中間區間（0.2秒至0.35秒的位置）的頻率傾向低頻，圖形深色部份看起來成「U」狀。這是由於「由」發音較為低沉。作為對比，「豬西」的頻率在0.2秒至0.35秒中間部份變化不大，與早段相同。再者，由於「豬」字一直拉長，圖形深色部份成「一」狀，直至「西」字出現，尾段頻率才出現較大變化。
現在我們可以分析原片的0.5秒音頻︰
圖中可見，時段中間部份頻率並無特別集中在低頻部份，基本上與早段相同，與「豬西」的時頻譜較吻合。從此可見警員較有可能說的是「豬西」而非「自由西」。這結果亦非常合乎常理，「自由西」實在太有創意，罵人者必須理解市民因爭取自由而行動才罵得出來。「自由西」表面粗鄙實質高雅，需要有一定文化修養才能在千鈞一髮之際出口成文。相反，「豬西」一詞是常見用語，情緒一來即可不問背景衝口而出，因此警員在片中講的是「豬西」比較合理。
為什麼我們有些時候會聽到「自由西」？
如上面所言，如果我們看着字幕，或心中想着「自由西」三字，就會傾向把「豬西」聽成「自由西」，為什麼會這樣？這是由於我們的大腦不會處理耳朵收到聲音信號的每個信息（否則大腦會因處理所有信號細節而過勞）。人腦中的神經元（Neuron）數量以千億計，神經元與神經元彼此相連，一個神經元可輸出至多個神經元，多個神經元亦可輸出至一個神經元，形成巨型神經網絡。大腦將耳朵收到的信息按大腦中的神經元逐層傳遞，部份神經元按照接收到的信息決定自身是否會被激活，如被激活就會傳遞信號到下一個神經元。
當某個代表「自由」粵音訊號的神經元被激活時，大腦就會告訴你你聽到了「自由」粵音訊號。而當某個代表「豬」粵音訊號的神經元被激活時，大腦就會告訴你你聽到了「豬」粵音訊號。所以，當你看着「自由西」字幕或心中想着「自由西」三字的時候，大腦除分析收到的聲音訊號外還會處理你看到或想着的信號，一起決定哪些神經元會被激活。而當音訊較為模棱兩可時，「自由」神經元就會在聽到「豬」一字時被激活，我們就會以為自己聽到「自由」了。
作者簡介：
美國威斯康辛大學研究生，研究興趣為人工智能（深度學習、機械學習以及電腦視覺）
作者網誌：https://lanstonchu.wordpress.com/