ممثلو الصوت في اليابان كتبوا بأنفسهم قواعد الموافقة على الذكاء الاصطناعي

تؤدي ماساكو نوزاوا صوت سون غوكو منذ عام 1986. عمرها 89 عامًا. وفي 2025 أصبحت أول ممثلة صوت تحصل على واحد من أعلى الأوسمة الثقافية في اليابان.

وفي حديثها إلى هيئة NHK هذا الشهر عن مقاطع فيديو تعيد إنتاج صوتها بالذكاء الاصطناعي، قالت: «هذا ليس صوتي. استخدامه بلا إذن لا يُغتفر. هذا مثل السرقة تمامًا، ويجعلني غاضبة».

وقالت أيضًا إن النسخ قد تكون متقنة تقنيًا ومع ذلك تفشل. «قد تكون نسخة مثالية. لكنها بلا قلب، أليس كذلك؟»

هذه الاقتباسات كانت ستكون في حد ذاتها قصة إنسانية جميلة. لكنها جاءت إلى جانب شيء أخطر أثرًا: في 15 أكتوبر نشرت نقابة ممثلي اليابان (Japan Actors Union) إرشادات بشأن استخدام الصوت بالذكاء الاصطناعي، تشمل نحو 2600 ممثل ومؤدٍ صوتي.

ما تطلبه الإرشادات فعليًا

الحكم الأساسي هو الموافقة المسبقة. على المؤدين أن يوافقوا قبل استخدام أصواتهم لتدريب نماذج الذكاء الاصطناعي، أو لتوليد تسجيلات جديدة، أو للظهور في محتوى منشور. وتحدد الإرشادات أيضًا التعويض والحماية من الاستخدام غير المصرح به.

الترتيب هو الجزء المهم. هذه ليست آلية إزالة، بل آلية إذن. القاعدة الافتراضية تنقلب من «استخدمه ثم احذفه إذا طُلب منك» إلى «اسأل أولًا»، وهذا تغيير أكبر بكثير مما يبدو، لأنه يضع عبء الإثبات على من يقوم بالاستنساخ لا على من يُستنسخ صوته.

وتمنح المؤدين شيئًا نادرًا ما تقدمه القضايا الفردية: قائمة تحقق. فقبل أن يوقّع أي شخص عقدًا للتوليد الصوتي، تكون النقابة قد حددت ما يجب أن يتضمنه العقد العادل.

النقابة مكان غريب وفعّال لكتابة معيار

معظم الدول تتعامل مع هذا عبر التشريع أو التقاضي. أما اليابان فتفعل ذلك عبر التنظيم الجماعي، وهناك سبب يجعل هذا قد ينجح أسرع.

التشريع بطيء وعام. والمحاكم أبطأ وتخص من رفع الدعوى فقط. أما إرشادات النقابة فليست هذا ولا ذاك. إنها معيار سوقي يستطيع 2600 محترف عامل أن يمتنعوا عن العمل بدونه، ما يعني أن شركات الإنتاج مضطرة إلى حسابه قبل المشروع الأول لا بعد الدعوى الأولى.

وهي تحل أيضًا مشكلة تنسيق لا يستطيع أي مؤدٍ حلها منفردًا. ممثلة صوت شابة يُطلب منها توقيع بند واسع للتوليد الصوتي تملك قدرة تفاوضية ضئيلة جدًا. أما نقابة تقول «هذا البند غير مقبول» فتمنحها هامشًا لم يكن لها لو تفاوضت وحدها.

الحد الواضح: الإرشادات ليست قانونًا ملزمًا. إذا تجاهلها استوديو، فالعلاج نقابي لا قانوني. لكن في صناعة تحجز فيها الوكالات الأربع نفسها معظم الأعمال، فالضغط النقابي ليس شيئًا هيّنًا.

نوزاوا ليست ضد التقنية

التفصيل الذي تجاهلته معظم التغطيات: قالت إنها تجد الذكاء الاصطناعي مثيرًا.

اعتراضها يتعلق تحديدًا بالإذن، لا بوجود التوليد الصوتي. قالت: «لا أستطيع أن أغفر استخدامه دون سؤال. أريد أن يلتزم الناس بالقواعد».

هذا الموقف أنفع من الرفض الشامل، لأنه يشير إلى خط عملي. التقنية لا بأس بها؛ الناقص هو طبقة إذن ودفع. وهذا بالضبط ما تحاول الإرشادات بناؤه.

وهو الموقف نفسه الذي تتبناه ميغومي أوغاتا، التي أدت صوت شينجي في إيفانغيليون ووصفت في أغسطس استنساخ الأصوات بالذكاء الاصطناعي بأنه «مُفطر للقلب»، وطالبت الحكومة بالتدخل. مؤديتان مختلفتان تمامًا، والمطلب واحد: لا حظر، بل لائحة.

لماذا الصوت حالة أصعب من الصورة

هناك سبب بنيوي يجعل المؤدين يكسبون هذه المعركة أسرع من الفنانين البصريين.

الصوت ملك لشخص واحد بلا لبس. لا أحد يجادل بأن الصوت نوع فني أو تقنية. وعندما يستنسخ أحدهم صوت غوكو الذي تؤديه نوزاوا، لا توجد حجة معقولة بأنه استلهم أسلوبًا فحسب؛ لقد أعاد إنتاج آلة شخص يمكن تحديده.

الأسلوب هو الغموض الذي أبقى قضايا الصور متشابكة ثلاث سنوات. الصوت لا يملك ذلك المخرج. ولهذا تحركت قضايا الصوت أسرع، ولهذا ستصبح المعايير التي تُكتب الآن على الأرجح القالب الذي تُبنى عليه قواعد الشبه البصري.

ولمن يبنون منتجات تولّد وجوهًا أو أصواتًا، هذه هي الإشارة التي يجب قراءتها: بنية الموافقة يحددها المؤدون أولًا، وسيتم تصديرها.

سوق الدبلجة هو حيث يصبح هذا مكلفًا

أصوات الأنمي هي الحالة الظاهرة، لكن الدبلجة هي الحالة التجارية.

كل فيلم ومسلسل أجنبي يُعرض في اليابان يُعاد دبلجته، وذلك العمل شريحة كبيرة ومستمرة ونقابية من الصناعة. وهو أيضًا الجزء الأكثر قابلية للأتمتة بوضوح في المهنة: مطابقة حركة الشفاه، والحفاظ على طبقة الشخصية، والتسليم في الموعد. نموذج يستطيع تقديم دبلجة مقبولة بعُشر التكلفة هو عرض وجودي لمن يعيشون من هذه المهنة.

ولهذا بالضبط تهم قواعد الموافقة هنا أكثر من أي زاوية أخرى من عمل الصوت. إذا أصبحت الدبلجة توليدية افتراضيًا، تتقلص المهنة إلى دور إشرافي. وإذا تطلبت موافقة ودفعًا، تصبح مدخلًا مرخصًا: الموقع البنيوي نفسه الذي يكون فيه كاتب الأغنية حين تُنتج نسخة مغطاة من عمله.

الإرشادات لا تحسم ذلك الصراع. إنها فقط تضمن أن يكون المؤدون على الطاولة حين تُحدد الشروط، بدل أن يكتشفوها لاحقًا من إعلان تشويقي.

ماذا يعني هذا عمليًا

ثلاثة أشياء، لثلاثة أشخاص مختلفين.

إذا كنت مؤديًا، فالأداة النافعة هي قائمة التحقق. اسأل عن نطاق استخدام التدريب، والمدة، والنطاق الجغرافي، وهل يُسمح بالترخيص من الباطن، وماذا يحدث للمشتقات عند انتهاء العقد. واحصل على الجواب كتابةً. عبارة «لن نستنسخ صوتك» ليست بندًا تعاقديًا.

إذا كنت تبني منتجًا، فالموافقة تصبح مشكلة بيانات قبل أن تكون مشكلة قانونية. تحتاج سجلًا بمن وافق على ماذا، مرتبطًا بنموذج الصوت المحدد، وله تاريخ انتهاء. الاستوديوهات القادرة على تقديم هذا السجل عند الطلب ستفوز بالعقود؛ والتي لا تستطيع ستفقدها مهما كانت جودة المخرجات.

إذا كنت من الجمهور، فالتحول المثير هو أن سؤال «هل هذا شخص حقيقي؟» يصبح السؤال الخطأ. السؤال الصحيح هو «هل وافق هذا الشخص؟». الأول مشكلة كشف لا يفوز بها أحد. والثاني مشكلة أوراق يمكن حلها فعلًا.

الجملة التي ستُقتبس

«بلا قلب لا يجدي، أيًا كان الدور. حتى الصوت الذي يبكي فقط يكون مختلفًا حين تبكي بشعور حقيقي».

يمكنك قراءة ذلك كدفاع مؤدية مخضرمة عن حرفتها أمام آلة، وكثيرون سيفعلون. لكن الادعاء أدق من ذلك. هي تقول إن ما يُنسخ ليس الصوت، بل القرار الذي خلف الصوت: اختيار أن تبكي بطريقة معينة في تسجيل معين.

لا يمكن ترخيص ذلك، ولا يمكن توليده. يمكنك فقط أن تستأجر الشخص الذي يفعله. الإرشادات موجودة لضمان أن ذلك التوظيف ما زال يحدث، وأنه حين لا يحدث، يحصل أحدهم على أجر.