استنساخ الصوت

استنساخ الصوت هو أحد تطبيقات الذكاء الاصطناعي التوليدي (تقنيات تنتج محتوى جديدًا بدل تحليل محتوى موجود). تستمع الأنظمة إلى تسجيلات صوتية لشخص ما، ثم تبني نموذجًا رقميًا يحاكي طبقة صوته ونبرته وطريقة نطقه. بعد ذلك يكفي أن تكتب أي نص، فينطقه النظام بصوت يكاد لا يُميَّز عن الصوت الأصلي.

تعتمد التقنية على التعلم العميق (طريقة تدريب تحاكي طبقات من الخلايا العصبية لاكتشاف الأنماط). يحلّل النظام خصائص دقيقة في الصوت: التردد، الإيقاع، مخارج الحروف، وحتى طريقة التنفس بين الجمل. كانت الأنظمة القديمة تحتاج ساعات طويلة من التسجيلات، أما الأدوات الحديثة مثل ElevenLabs فتنتج نسخة مقنعة من دقائق معدودة، وأحيانًا من ثوانٍ فقط.

ستصادف هذه التقنية في حياتك اليومية أكثر مما تتوقع:

• تعليق صوتي احترافي على فيديوهات صنّاع المحتوى دون تسجيل فعلي.
• دبلجة الأفلام والمسلسلات بأصوات الممثلين الأصليين لكن بلغات أخرى.
• استعادة أصوات مرضى فقدوا القدرة على الكلام بسبب المرض.
• كتب صوتية ومواد تعليمية تُنتج بسرعة وتكلفة منخفضة.

لكن للتقنية وجه مظلم: الاحتيال الصوتي. سُجّلت حالات انتحل فيها محتالون أصوات أقارب الضحايا لطلب تحويلات مالية عاجلة، أو أصوات مسؤولين لنشر تصريحات مفبركة. لهذا تفرض بعض الدول والمنصات قيودًا على استخدامها، وتشترط موافقة صاحب الصوت الأصلي.