音声クローンVoice Cloning

短い録音で足ります

以前は一人の声を作るために、録音室で何時間も読み上げる必要がありました。今は違います。数多くの人の声をあらかじめ幅広く学習しておき、新しい人の声は特徴だけを短く受け取ってその上に載せます。

受け取るのは声の質を収めた数値のまとまりです。声帯が震える高さの帯、響きの形、発音する癖のようなものがここに収まります。このまとまりを読み上げ技術にあわせて渡すと、同じ文章がその人の質で出てきます。

**声はすでにあちこちに散らばっていて、集めるのに許可が要らないという点が問題の始まりです。**必要な録音がごく短くて済むようになったことで、この問題はいっそう身近になりました。

声と内容は別々です

複製された声は録音をつなぎ合わせたものではありません。質だけを借りて、話す内容は新しく書き入れます。だから元の録音に一度も出てこない単語、それどころか別の言語さえ、その声で読み上げられることがあります。

これが物真似と違う点です。人がものまねをしても、うまくてもそれらしい程度ですが、複製された声は質そのものを持ってきます。家族が電話で聞いても区別しにくい水準になり、雑音の混じる通話ではさらに難しくなります。

助けになる場面もあります

病気で声を失う状況にある人が、あらかじめ自分の声を残しておき、後でその声で話すために使う場合があります。すでに声を失った人も、以前の録音が残っていれば取り戻せます。

コンテンツの分野でも広く使われます。オーディオブックの朗読、映像の吹き替え、ゲームのせりふのように、人が一つずつ録音するには量が多すぎる場面です。こうした場面では声の主とあらかじめ契約し、使える範囲を決めておきます。

許可なく使うと何が問題か

最も多い被害はなりすましです。家族の声で急いでお金を送るよう求める電話、いわゆる「オレオレ詐欺」のような手口や、上司の声で送金を指示する通話がそうです。声は人が最も簡単に信じてしまう手がかりなので、疑う余地が生まれにくいのです。

声で本人を確認する仕組みも危うくなりました。声だけで扉を開ける方式は、もはやそれだけを信じるのは難しくなっています。言ったことのない言葉がその人の声で広まれば名誉に関わる問題になり、亡くなった人の声を遺族の意向と関係なく蘇らせることも争いの種になります。

仕事にも関わる問題です。声で仕事をする人にとっては、一度録音した声が契約の範囲を超えて際限なく使われる状況が生まれます。だからどこまで使えるのか、再び使うたびにどうするのかを契約に書いておくことが重要になっています。

どう向き合うか

作る側は、作られた音声だという印を残します。人の耳には聞こえなくても調べればわかる印を音に刻んだり、このファイルがどこでどう作られたかを記録として添えたりします。ただし切り貼りしたり録り直したりすると印が消えることがあるので、完全ではありません。

見分ける側もあります。人の声にはあってつくられた音声にはあまり現れない痕跡を探す方式です。ですが作る技術が良くなると見分けもまた難しくなるので、検査結果だけを信じるより他の方法とあわせて使う方が安全です。

日常でできる備えのほうがむしろ確実です。家族同士で電話でだけ通じる確認の質問を一つ決めておく、お金が絡む話は必ず一度切って掛け直して確かめる、声だけで本人確認を済ませるサービスは使わないといったことです。多くの国で、同意なく他人の声を作って使うことを法律で扱い始めていて、被害を届け出られる窓口も増えています。