In forensic voice comparison, deep learning has become widely popular recently. It is mainly used to learn speaker representations, called embeddings or embedding vectors. Speaker embeddings are often trained using corpora mostly containing widely spoken languages. Thus, language dependency is an important factor in automatic forensic voice comparison, especially when the target language is linguistically very different from that the model is trained on. In the case of a low‐resource language, developing a corpus for forensic purposes containing enough speakers to train deep learning models is costly. This study aims to investigate whether a model pre‐trained on multilingual (mostly English) corpus can be used on a target low‐resource language (here, Hungarian), not represented by the model. Often multiple samples are not available from the offender (unknown speaker). Samples are therefore compared pairwise with and without speaker enrollment for suspect (known) speakers. Two corpora are used that were developed especially for forensic purposes and a third that is meant for traditional speaker verification. Speaker embedding vectors are extracted by the x‐vector and ECAPA‐TDNN techniques. Speaker verification was evaluated in the likelihood‐ratio framework. A comparison is made between the language combinations (modeling, LR calibration, and evaluation). The results were evaluated by Cllrmin and EER metrics. It was found that the model pre‐trained on a different language but on a corpus with a significant number of speakers can be used on samples with language mismatch. Sample duration and speaking style also seem to affect the performance.

Ez alkalommal a nemzetközi rendészeti szakirodalomnak azokba a témaköreibe adunk betekintést, amelyek a rendészeti igazgatás, a közrend és a közbiztonság védelme, illetve a bűnüldözés aktuális vitakérdései. Ezek sorába illeszkedik a rendőrség erőszak-monopóliumaként meghatározott intézkedési módszertan, amit az angolszász felfogás inkább az erőszak államosításaként értelmez. Igen sok figyelem vetül a bűnüldözés egyik legérzékenyebb szakaszára, a gyanúsítottak elleni vizsgálatra, különösen pedig a kihallgatások eljárásjogi és lélektani vonatkozásaira. Ugyancsak figyelmet érdemlő terület az úti okmányok hamisítása, a személyazonosság elfedése, ami nem csupán az illegális migráció elleni küzdelmet nehezíti, de gyakran eszközcselekménye olyan súlyos deliktumoknak, mint az embercsempészés, a bűnszervezet létrehozása vagy a terrorizmus. Találkozunk a digitális adatok térnyerésének következményeivel, ami egyfelől a személyazonosság megállapítását könnyíti meg, másfelől viszont az adatvédelem útjába gördít akadályokat. Megismerkedünk a mesterséges intelligencia olyan alkalmazási terveivel, amelyek a prediktív, bűnmegelőzésre koncentráló rendészeti taktikának adhatnak ígéretes perspektívát. Visszatérő tematika a katonai és a rendőrségi kultúra összehasonlítása, a két, eredendően eltérő veszélyelhárítási stratégia konvergenciájának megfigyelése. A rendőrség titkosszolgálati felderítésének egyik célpontja a prostitúció leleplezése, különös tekintettel a fedett nyomozók által létrehozott csapdahelyzetekre, amelyek alkotmányossági szempontból és a tisztességes eljárás elveinek sérelme tekintetében is revízióra szorulnak. Nem kevésbé izgalmas annak vizsgálata, hogy az eredményes és erőszakkerülő rendészeti intézkedések módszertanát hogyan lehetne továbbgazdagítani akként, hogy a jó megoldások helyet kapjanak a rendőrképzésben is.