حقوق و انتشار دیجیتال

صدای ساخته‌شده با هوش مصنوعی را از ۲ اوت ۲۰۲۶ چگونه برچسب بزنیم؟

از ۲ اوت ۲۰۲۶ قواعد تازهٔ شفافیت اتحادیهٔ اروپا اجرا می‌شود. این راهنمای برچسب‌گذاری صدای هوش مصنوعی، تفاوت برچسب انسانی و نشان ماشینی را با مثال‌های موسیقی و پادکست توضیح می‌دهد.

۱۱ مرداد ۱۴۰۵

نویسنده: تحریریه آمارد

اگر برای یک قطعه، ویدئو یا پادکست از صدای مصنوعی استفاده کرده‌اید، نوشتن یک جملهٔ مبهم مثل «ساخته‌شده با AI» همیشه کافی نیست. باید بدانید چه چیزی را، برای چه کسی و در کدام لحظه اعلام کنید. این پرسش از ۲ اوت ۲۰۲۶ مهم‌تر می‌شود؛ تاریخی که الزامات شفافیت مادهٔ ۵۰ قانون هوش مصنوعی اتحادیهٔ اروپا وارد مرحلهٔ اجرا می‌شود. راهنمای حاضر مشاورهٔ حقوقی نیست، اما یک روش عملی برای برچسب‌گذاری صدای هوش مصنوعی به سازندگان موسیقی، پادکسترها و تولیدکنندگان ویدئو می‌دهد.

دو مسئولیت متفاوت را با هم اشتباه نگیریم

قانون میان «ارائه‌دهنده» و «به‌کارگیرنده» فرق می‌گذارد. ارائه‌دهنده کسی است که سامانهٔ مولد را با نام یا نشان خود وارد بازار اتحادیهٔ اروپا می‌کند؛ به‌کارگیرنده شخص یا سازمانی است که آن سامانه را زیر اختیار خود برای فعالیت حرفه‌ای به کار می‌برد. در یک پروژهٔ صوتی معمول، شرکت سازندهٔ ابزار در گروه اول و استودیو، ناشر، پادکستر یا فریلنسر حرفه‌ای در گروه دوم قرار می‌گیرد.

• لایهٔ ماشینی: ارائه‌دهنده باید خروجی مصنوعیِ صوت، تصویر، ویدئو یا متن را در قالبی قابل‌خواندن برای ماشین علامت‌گذاری و قابل‌تشخیص کند؛ البته استثناهایی برای ویرایش استاندارد یا تغییر غیرماهوی وجود دارد.
• لایهٔ انسانی: به‌کارگیرندهٔ حرفه‌ای باید دیپ‌فیک را حداکثر هنگام نخستین مواجههٔ مخاطب، روشن و قابل‌تمایز افشا کند. نشان پنهان داخل فایل به‌تنهایی این وظیفه را انجام نمی‌دهد.
• برای اثر آشکارا هنری، خلاق، طنز یا داستانی، شیوهٔ افشا می‌تواند طوری انتخاب شود که مزاحم تجربهٔ اثر نباشد؛ اصل اعلام وجود محتوای مصنوعی همچنان موضوع اصلی است.

آیا هر صدای مولد یک دیپ‌فیک صوتی است؟

نه. راهنمای رسمی، دیپ‌فیک را محتوای صوتی، تصویری یا ویدئوییِ تولیدشده یا دست‌کاری‌شده با AI می‌داند که به شخص، شیء، مکان، نهاد یا رویدادی موجود یا واقع‌نما شباهت زیادی دارد و ممکن است برای مخاطب به‌دروغ اصیل یا واقعی جلوه کند. بنابراین یک بافت سینتی‌سایزر کاملاً انتزاعی با صدای شبیه‌سازی‌شدهٔ یک خوانندهٔ واقعی یکسان نیست. شباهت، زمینهٔ انتشار، پیام محتوا و انتظار مخاطب همگی در ارزیابی اثر دارند.

1. آیا خروجی به صدای یک فرد واقعی، یک اجرای واقعی یا رویدادی که می‌توانسته رخ دهد شباهت دارد؟
2. آیا شنوندهٔ معمولی ممکن است تصور کند صدا واقعاً از همان فرد یا رویداد آمده است؟
3. آیا انتشار بخشی از کار حرفه‌ای، تجاری، شغلی یا فریلنسری است؟ درآمد اقتصادی منظم می‌تواند استفاده را از حالت شخصی خارج کند.
4. آیا خروجی در اتحادیهٔ اروپا عرضه یا استفاده می‌شود؟ طبق توضیح کمیسیون، حتی ارائه‌دهندگان خارج از اتحادیه نیز در صورت استفادهٔ خروجی در اتحادیه ممکن است در دامنه قرار گیرند.

چهار سناریوی رایج در موسیقی و پادکست

۱. حذف نویز و اصلاح فنی اجرای واقعی

فرض کنید نویز کولر را کم کرده‌اید، کلیک‌های ضبط را حذف کرده‌اید یا تراز صدا را اصلاح کرده‌اید، بی‌آنکه هویت گوینده، جمله‌ها یا معنای اجرا عوض شود. چنین کاری معمولاً به تعریف دیپ‌فیک نزدیک نیست و ممکن است در محدودهٔ ویرایش کمکی استاندارد یا تغییر غیرماهوی قرار گیرد. بااین‌حال، اگر ابزار به‌جای ترمیم، واژه یا اجرای تازه ساخته باشد، باید دوباره اثر تغییر را ارزیابی کنید؛ نام دکمهٔ نرم‌افزار تعیین‌کننده نیست، نتیجهٔ واقعی مهم است.

۲. خوانندهٔ خیالی برای یک اثر داستانی

صدایی که عمداً شخصیت خیالی دارد و تقلید فرد موجود نیست، لزوماً دیپ‌فیک نیست. با این حال، برای اعتماد مخاطب و هماهنگی با سیاست پلتفرم‌ها می‌توانید در توضیح قطعه بنویسید: «وکال این اثر با سامانهٔ مولد ساخته شده و به شخص واقعی مشخصی نسبت داده نمی‌شود.» این جمله هم نوع استفاده را می‌گوید و هم جلوی برداشت نادرست از هویت خواننده را می‌گیرد.

۳. بازسازی فقط یک بخش از اجرا

ممکن است خواننده بیشتر قطعه را اجرا کرده باشد، اما یک نت کشیده یا یک جمله با مدل صوتی بازسازی شود. برچسب «کاملاً تولیدشده با AI» در اینجا دقیق نیست. بهتر است دامنه را مشخص کنید: «بازهٔ ۰۰:۲۸ تا ۰۰:۴۳ با هوش مصنوعی بازسازی شده است؛ باقی وکال اجرای انسانی است.» راهنمای تازهٔ C2PA نیز ثبت بخش‌های مشخص صوتی را با ناحیه یا بازهٔ اثرپذیرفته ممکن می‌داند.

۴. شبیه‌سازی صدای فرد واقعی در خبر یا پادکست

اگر برای بازسازی یک نقل‌قول، صدای سیاستمدار، هنرمند، کارشناس یا شاهد واقعی را شبیه‌سازی کرده‌اید، احتمال فریب بسیار بیشتر است. اعلام باید پیش از پخش یا همان ابتدای مواجهه شنیده یا دیده شود: «بازسازی صوتی با هوش مصنوعی؛ این صدای ضبط‌شدهٔ واقعیِ فرد نیست.» پنهان‌کردن توضیح در انتهای کپشن یا فقط در metadata، راه محافظه‌کارانه‌ای برای اجرای الزام افشای روشن نیست. رضایت صاحب صدا و مجوز استفاده نیز مسئله‌ای جدا از برچسب‌گذاری است.

یک الگوی دو‌لایه برای انتشار شفاف

برای یک فایل صوتی، افشای انسانی و سابقهٔ فنی را مکمل هم طراحی کنید. افشای انسانی به شنونده می‌گوید چه اتفاقی افتاده؛ سابقهٔ فنی به نرم‌افزار یا پلتفرم امکان می‌دهد منشأ و تغییرات فایل را بررسی کند. یکی جای دیگری را نمی‌گیرد.

1. یک جملهٔ ساده انتخاب کنید: «این فایل صوتی با هوش مصنوعی تولید شده است» یا، برای حالت جزئی، «بخشی از وکال با هوش مصنوعی بازسازی شده است.»
2. اگر صدا به فرد واقعی شبیه است، نام نوع شبیه‌سازی را بگویید و صریحاً روشن کنید که ضبط واقعی او نیست. از عبارت‌های بازاری و مبهم مانند «جادوی صوتی» پرهیز کنید.
3. در محتوای فقط‌صوتی، نسخهٔ شنیداری کوتاهی در آغاز بگذارید. در ویدئو یا صفحهٔ انتشار، همان پیام را به‌صورت دیداری، قابل‌خواندن و بدون نیاز به بازکردن چند منو تکرار کنید.
4. برای اثر طولانی یا استفادهٔ محدود، زمان آغاز و پایان بخش مصنوعی را ثبت کنید. اگر کل اثر مصنوعی است، اعلام کلی روشن‌تر است.
5. در نسخهٔ قابل دانلود، اطلاعات منشأ را نیز نگه دارید و پس از تبدیل فرمت یا بارگذاری، باقی‌ماندن آن را آزمایش کنید.

C2PA و Content Credentials دقیقاً چه کمکی می‌کنند؟

Content Credentials یک چارچوب باز برای ثبت منشأ و تاریخچهٔ فایل است. راهنمای اجرایی C2PA در ۳۱ ژوئیهٔ ۲۰۲۶ پیشنهاد می‌کند نوع منبع دیجیتال با فیلد digitalSourceType مشخص شود؛ assertion ویژهٔ c2pa.ai-disclosure می‌تواند اطلاعاتی دربارهٔ مدل و میزان نظارت انسانی نگه دارد؛ Regions of Interest امکان تعیین بخش‌های دقیق صوت و ویدئو را می‌دهد؛ و Actions مراحل ایجاد و ویرایش را ثبت می‌کند. این جزئیات برای فایلی که فقط ده ثانیه از وکالش بازسازی شده، از یک برچسب صفر و یکی مفیدتر است.

اما Content Credentials مهر «حقیقت» یا سند قطعی مالکیت نیست. دادهٔ منشأ می‌تواند در تبدیل فرمت یا ابزار ناسازگار حذف شود و اعتبار آن به امضاکننده و زنجیرهٔ پردازش وابسته است. خود C2PA نیز تأکید می‌کند که منشأ به‌تنهایی درست‌بودن ادعای داخل محتوا را ثابت نمی‌کند. بنابراین برای دیپ‌فیک صوتی، هم برچسب قابل‌ادراک برای انسان و هم سابقهٔ ماشینی را نگه دارید.

چک‌لیست پیش از انتشار فایل صوتی مصنوعی

• نسخهٔ اصلی، stemها و خروجی نهایی را با نام‌گذاری و تاریخ روشن آرشیو کنید.
• نام ابزار، نسخه یا مدل، تاریخ تولید و ماهیت تغییر را در یادداشت پروژه ثبت کنید.
• اگر صدای شخص واقعی درگیر است، رضایت و دامنهٔ مجوز را جداگانه مستند کنید؛ برچسب جای اجازه را نمی‌گیرد.
• مشخص کنید خروجی کاملاً مصنوعی، بخشی دست‌کاری‌شده یا صرفاً ویرایش فنی است.
• متن افشا را با زبان مخاطب بنویسید و برای توزیع اروپایی، نسخه‌ای قابل‌فهم برای بازار مقصد هم آماده کنید.
• در فایل فقط‌صوتی، اعلام شنیداری و در صفحهٔ انتشار، اعلام دیداری بگذارید.
• اگر ابزار از Content Credentials یا سازوکار منشأ مشابه پشتیبانی می‌کند، آن را فعال کنید و پس از export اعتبارش را بسنجید.
• یک بار نسخهٔ منتشرشده را دانلود و بررسی کنید؛ بعضی تبدیل‌ها یا پلتفرم‌ها metadata را حذف می‌کنند.
• اسکرین‌شات صفحهٔ انتشار، متن افشا و نسخهٔ نهایی فایل را کنار سوابق پروژه نگه دارید.

چهار تاریخ که باید در تقویم بماند

• ۲۰ ژوئیهٔ ۲۰۲۶: کمیسیون اروپا راهنمای تفسیری مادهٔ ۵۰ را منتشر کرد.
• ۳۱ ژوئیهٔ ۲۰۲۶: C2PA راهنمای اجرایی تازهٔ تشخیص محتوای مصنوعی و غیرمصنوعی را معرفی کرد.
• ۲ اوت ۲۰۲۶: الزامات شفافیت مادهٔ ۵۰ وارد مرحلهٔ اجرا می‌شود.
• ۲ دسامبر ۲۰۲۶: مهلت محدودِ علامت‌گذاری ماشینی برای برخی سامانه‌هایی که پیش از ۲ اوت وارد بازار شده‌اند پایان می‌یابد. این مهلت به معنی تعویق عمومیِ افشای دیپ‌فیک توسط منتشرکننده نیست. طبق پرسش‌های متداول کمیسیون، محتوای ساخته‌شده پیش از ۲ اوت نیز الزام برچسب‌گذاری عطف‌به‌ماسبق ندارد، هرچند افشای داوطلبانه توصیه شده است.

نتیجه‌گیری

برچسب خوب نه اعتراف است و نه تبلیغ؛ یک توضیح دقیق دربارهٔ فرایند ساخت است. برای صدای مصنوعی، سه چیز را روشن کنید: چه بخشی با AI ساخته یا تغییر کرده، آیا به فرد یا رویداد واقعی شباهت فریبنده دارد، و مخاطب در نخستین مواجهه چگونه از آن باخبر می‌شود. سپس همان تصمیم را در پروندهٔ تولید و، در صورت امکان، در سابقهٔ ماشینی فایل ثبت کنید. این روش هم اعتماد شنونده را جدی می‌گیرد و هم پروژه را برای قواعد تازهٔ انتشار آماده‌تر می‌کند.