Синтез речи нейросетью: почему чужой голос стал новой уязвимостью

Для этого не требуется присваивать его фотографию или взламывать аккаунт: достаточно получить аудиозапись, а затем использовать голосовую модель в рекламе, озвучке или дипфейк-ролике. Возникает правовой вопрос, на который привычные нормы отвечают не всегда: кому принадлежит узнаваемое звучание человека и кто вправе распоряжаться его цифровой копией?

В России этот пробел обозначил законопроект № 718834-8, внесённый в Госдуму в сентябре 2024 года. Он предлагает дополнить Гражданский кодекс статьёй 152.3 об охране голоса гражданина. Само внесение проекта не означает, что такая статья уже действует. Но дискуссия вокруг него выявила важную перемену: голос становится воспроизводимым цифровым объектом, тогда как право на него всё ещё трудно описать через категории изображения, персональных данных и авторства.

Голос можно скопировать, но право не всегда видит в нём отдельный объект

В голосе соединены физиология, социальная идентичность и узнаваемость. Тембр, темп, интонационные привычки позволяют слушателю связать аудиозапись с конкретным человеком. Генеративная система способна имитировать эти признаки и произносить текст, которого человек никогда не говорил. Цифровой двойник получает не только акустическое сходство, но и возможность действовать от имени того, чей голос скопирован.

Именно здесь привычные правовые категории расходятся с технологической реальностью. Статья 152.1 ГК РФ прямо регулирует охрану изображения гражданина. Для голоса отдельной аналогичной нормы в действующем гражданском законодательстве нет. Это не означает полного отсутствия защиты: конкретная запись, исполнение, способ её получения и дальнейшее использование могут иметь самостоятельное правовое значение. Однако сам природный тембр человека не становится автоматически объектом авторского права лишь потому, что его легко узнать.

Проблема персональных данных тоже сложнее, чем кажется. Их законодательство связано, в частности, с обработкой сведений, позволяющих идентифицировать человека; биометрические данные занимают в этом регулировании особое место. Но синтезированное аудио не всегда создаётся для установления личности по биометрическому признаку. Иногда цель состоит в имитации голоса для публикации или коммерческого использования. Поэтому нормы о персональных данных не дают универсального ответа на любой случай клонирования.

В результате одна и та же аудиозапись может одновременно быть свидетельством исполнения, носителем данных и материалом для обучения голосовой модели. Эти аспекты не совпадают. Согласие на запись одной фразы не обязательно означает согласие на создание модели, способной воспроизводить голос в произвольных контекстах. А разрешение на конкретную озвучку само по себе не отвечает на вопрос, можно ли использовать полученные записи для последующих синтетических реплик.

Голосовая модель воспроизводит узнаваемость человека, но право пока не всегда рассматривает эту узнаваемость как самостоятельный объект защиты.

Спор Алёны Андроновой показал цену правового пробела

Общественную дискуссию в России обострил спор актрисы дубляжа Алёны Андроновой. После записи голоса для банка созданные на его основе синтетические материалы, по описанию ситуации, оказались в сторонних сервисах озвучивания и порнографических роликах. Этот случай сделал проблему осязаемой: речь идёт не об отвлечённой возможности нейросети, а о том, как голос, предоставленный для одной задачи, может выйти из исходного контекста.

Для актёров озвучивания голос — профессиональный инструмент. Запись может содержать широкий диапазон интонаций, тембровых особенностей и эмоциональных состояний, который особенно полезен при создании цифровой модели. При этом договор на конкретную работу и согласие на технологическое воспроизведение голоса — разные основания использования. Если эти границы не обозначены ясно, исполнитель может обнаружить, что его голос присутствует в контенте, который он не записывал и не одобрял.

Особую трудность создаёт масштаб возможного повторного использования. Обычная фонограмма фиксирует исполнение в конкретном произведении. Голосовая модель, напротив, может генерировать новые фразы, менять контекст и соединять узнаваемое звучание с вымышленным высказыванием. Для слушателя различие не всегда заметно, а ущерб может затрагивать репутацию и личное достоинство человека.

Показателен и сам переход от записи к синтезу. Человек мог согласиться произнести текст для определённой цели, но не давать разрешения на создание инструмента, который будет говорить за него в будущем. Если договор не разделяет эти действия, возникает спор о пределах согласия: какие материалы можно хранить, чему обучать модель, где использовать результат и как долго сохранять доступ к голосовой копии.

Это касается не только публичных артистов. Уязвимость возникает всякий раз, когда человек передаёт аудиозапись организации или сервису, а условия дальнейшего использования остаются неясными. Однако именно профессиональные дикторы и актёры дубляжа особенно наглядно показывают разницу между оплатой конкретного исполнения и распоряжением цифровым слепком голоса.

Что предлагает законопроект № 718834-8

В сентябре 2024 года группа сенаторов и депутатов внесла в Госдуму законопроект № 718834-8. Его авторы предложили дополнить Гражданский кодекс статьёй 152.3 «Охрана голоса гражданина», выстроив её по аналогии с нормой об охране изображения. В центре предложения находится согласие человека на обнародование и использование его голоса, в том числе синтезированного с помощью искусственного интеллекта.

Проект предусматривает, что после смерти гражданина такое согласие могли бы давать его дети, переживший супруг или родители. Также в нём перечислены случаи, когда согласие не требуется: государственные и общественные интересы, запись голоса на публичном мероприятии, если голос не является основным объектом использования, а также запись, производившаяся за плату.

Эти исключения важны: право на голос не может означать запрет на любое присутствие человека в аудиозаписи. Репортаж с публичного мероприятия, общественно значимое сообщение и коммерческое воспроизведение голоса в синтетическом ролике — разные ситуации. Законодательная конструкция должна учитывать это различие, иначе защита личности рискует столкнуться с ограничением общественно значимой коммуникации.

Но сама идея отдельной нормы не снимает всех вопросов. Что именно считать использованием голоса: публикацию записи, обучение модели, генерацию новых фраз или передачу модели третьему лицу? Достаточно ли согласия на создание синтеза, если не согласованы конкретные сценарии применения? Как отличать имитацию, вводящую аудиторию в заблуждение, от художественной пародии? Эти границы имеют значение и для автора контента, и для исполнителя, и для платформы, распространяющей результат.

На момент внесения законопроект проходил обсуждение и вызывал споры. Поэтому статью 152.3 нельзя описывать как действующее правило, уже полностью решившее проблему. Значение проекта в другом: он формулирует голос как самостоятельный объект личной охраны и пытается перенести в право вопрос, который технология поставила раньше, чем сформировалась устойчивая юридическая практика.

Для договоров и профессиональных записей это различие уже имеет практический смысл. Условия сотрудничества могут отдельно описывать запись исполнения, создание голосовой модели, допустимые сценарии генерации, срок использования и возможность передачи материалов другим сервисам. Такая детализация не заменяет закона, но помогает обозначить пределы согласия до того, как голос покинет исходный контекст.

Как проблему решают за пределами России

В разных юрисдикциях формируются разные ответы на один и тот же вызов. В штате Теннесси в 2024 году приняли ELVIS Act, направленный на защиту голоса от коммерческого копирования с помощью искусственного интеллекта. Европейский подход включает требования к прозрачности: статья 50 Регламента ЕС об искусственном интеллекте предусматривает маркировку определённого контента, созданного или изменённого ИИ, включая дипфейки.

Эти инструменты решают не одну и ту же задачу. Защита голоса касается права человека контролировать использование своей узнаваемости. Маркировка сообщает аудитории о происхождении материала и помогает не принимать синтетический контент за подлинную запись. Прозрачность может уменьшить риск обмана, но сама по себе не даёт человеку контроля над тем, использовался ли его голос без согласия.

И обратная ситуация тоже возможна: голос скопирован с разрешения, но публикация не обозначена как синтетическая. Тогда вопрос возникает уже не только к праву на голос, но и к доверию аудитории. Кто говорит в записи — человек, его цифровая модель или автор, который использует модель? Для медиасреды это не техническая мелочь. Голос традиционно воспринимается как свидетельство присутствия и личного высказывания, а синтез размывает эту связь.

Регулирование поэтому складывается из нескольких уровней: согласие на использование, защита личности, правила для создателей и распространителей контента, а также информирование слушателей. Ни один из них не заменяет остальные. Маркировка не легализует использование чужого голоса, а согласие не устраняет необходимость ясно объяснять аудитории происхождение аудио, если от этого зависит смысл публикации.

Авторское право охраняет запись, но не весь голос человека

Фраза «защита авторских прав на голос» часто объединяет разные права, которые в действительности относятся к разным объектам. Авторское и смежное право могут охранять конкретное исполнение или фонограмму. Это конкретная запись, со своим текстом, интонацией и акустическими характеристиками. Природное звучание голоса как таковое не становится произведением лишь из-за его уникальности.

Такое разграничение важно при обучении моделей. Если система использует исходную фонограмму, могут возникнуть вопросы о правах на запись или исполнение. Но даже спор о фонограмме не обязательно отвечает на вопрос, кто вправе синтезировать новые реплики, похожие на голос исполнителя. Получается несколько уровней правовой оценки, и ответ на одном из них не автоматически решает остальные.

Эта карта не заменяет юридического анализа конкретной ситуации. Она показывает, почему спор о клонировании голоса нельзя свести к одному вопросу о владельце аудиофайла. У записи могут быть правообладатели, у исполнителя — личный интерес в использовании узнаваемого звучания, у платформы — собственные правила распространения контента. И эти интересы не всегда совпадают.

В практическом смысле особое значение приобретают условия, на которых передаются исходные записи. В них можно раздельно оговаривать использование фонограммы, создание и хранение модели, генерацию новых фраз, коммерческие сценарии и передачу материалов третьим лицам. Чем меньше в договоре неопределённых формулировок, тем яснее границы согласия. Однако договор не устраняет вопрос о том, как закон должен защищать голос за пределами конкретного соглашения.

Разрешение на запись фиксирует волю человека в конкретной ситуации; оно не должно молча превращаться в бессрочное разрешение говорить его голосом.

Клонирование голоса нейросетью ставит право перед задачей точнее различать запись, исполнение, модель и личность, которую узнают в звуке. Внесённый в России законопроект № 718834-8 обозначил направление возможного развития, но сам факт его появления ещё не означает, что правовая неопределённость исчезла. Пока технология позволяет отделить голос от человека и переносить его в новые контексты, защита будет зависеть от того, насколько ясно определены согласие, цель использования и происхождение аудио.

Баланс здесь не сводится к запрету синтеза. Такая технология может быть инструментом творчества и доступности, но её возможности затрагивают доверие к человеческому высказыванию. Праву предстоит защищать голос как часть личности, не закрывая пространство для добросовестного искусства и общественной коммуникации. Устойчивое решение потребует одновременно ясных правил согласия и понятных способов распознавать синтетическую речь.