Japans Synchronsprecher haben die Regeln für KI-Einwilligung selbst geschrieben

Masako Nozawa leiht Son Goku seit 1986 ihre Stimme. Sie ist 89. 2025 wurde sie als erste Synchronsprecherin mit einer der höchsten kulturellen Auszeichnungen Japans geehrt.

Im Gespräch mit NHK sagte sie diesen Monat über Videos, die ihre Stimme mit KI nachbauen: „Das ist nicht meine Stimme. Sie ohne Erlaubnis zu benutzen, ist unverzeihlich. Das ist dasselbe wie Diebstahl, und es macht mich wütend.“

Sie sagte auch, die Kopien könnten technisch fehlerfrei sein und trotzdem scheitern. „Es mag sogar eine perfekte Kopie sein. Aber sie hat kein Herz, oder?“

Für sich genommen wären diese Zitate eine schöne Geschichte mit menschlichem Anteil. Sie kamen zusammen mit etwas Folgenschwererem: Am 15. Oktober veröffentlichte die Japan Actors Union Leitlinien zur KI-Nutzung von Stimmen, die rund 2.600 Schauspieler und Sprecher abdecken.

Was die Leitlinien tatsächlich verlangen

Der Kern ist Zustimmung im Voraus. Sprecher müssen zustimmen, bevor ihre Stimmen zum Training von KI-Modellen, zur Erzeugung neuer Aufnahmen oder für veröffentlichte Inhalte verwendet werden. Die Leitlinien regeln außerdem die Vergütung und den Schutz vor unbefugter Nutzung.

Die Reihenfolge ist der entscheidende Punkt. Das ist kein Takedown-Mechanismus, sondern ein Erlaubnismechanismus. Der Standard kippt von „erst nutzen, auf Anfrage entfernen“ zu „erst fragen“ – und das ist eine viel größere Veränderung, als es klingt, weil die Beweislast jetzt bei dem liegt, der klont, und nicht bei dem, der geklont wird.

Und Sprecher bekommen etwas, das einzelne Gerichtsverfahren selten liefern: eine Checkliste. Bevor jemand einen Synthese-Vertrag unterschreibt, steht in den Leitlinien, was ein fairer Vertrag enthalten muss.

Eine Gewerkschaft ist ein seltsamer und wirksamer Ort, um einen Standard zu schreiben

Die meisten Länder nähern sich dem über Gesetze oder Klagen. Japan macht es über kollektive Organisation, und es gibt einen Grund, warum das schneller gehen könnte.

Gesetzgebung ist langsam und allgemein. Gerichte sind langsamer und gelten nur für den, der geklagt hat. Eine Gewerkschaftsleitlinie ist keins von beidem. Sie ist ein Marktstandard, dessen Einhaltung 2.600 Berufstätige zur Bedingung machen können – Produzenten müssen ihn also vor dem ersten Projekt einkalkulieren und nicht erst nach der ersten Klage.

Sie löst außerdem ein Koordinationsproblem, das einzelne Sprecher nicht lösen können. Eine junge Synchronsprecherin, die eine pauschale Synthese-Klausel unterschreiben soll, hat kaum Verhandlungsmacht. Eine Gewerkschaft, die sagt „diese Klausel geht nicht“, verschafft ihr Spielraum, den sie allein nie gehabt hätte.

Die offensichtliche Grenze: Eine Leitlinie ist kein durchsetzbares Gesetz. Ignoriert ein Studio sie, ist das Mittel gewerkschaftlich und nicht juristisch. Aber in einer Branche, in der dieselben vier Agenturen den Großteil der Aufträge vergeben, ist gewerkschaftlicher Druck nicht nichts.

Nozawa ist nicht gegen die Technik

Das Detail, das die meisten Berichte ausgelassen haben: Sie sagte auch, sie finde KI spannend.

Ihr Einwand betrifft ausdrücklich die Erlaubnis, nicht die Existenz von Synthese. „Ich kann es nicht verzeihen, dass man sie benutzt, ohne zu fragen“, sagte sie. „Ich möchte, dass sich die Leute an die Regeln halten.“

Diese Haltung ist nützlicher als eine pauschale Ablehnung, weil sie auf eine machbare Grenze zeigt. Die Technik ist in Ordnung; es fehlt eine Ebene für Erlaubnis und Bezahlung. Genau die versuchen die Leitlinien zu bauen.

Dieselbe Haltung vertritt Megumi Ogata, die Shinji in Evangelion gesprochen hat und KI-Stimmklonen im August „herzzerreißend“ nannte und die Regierung zum Eingreifen aufforderte. Zwei sehr unterschiedliche Sprecher, dieselbe Forderung: kein Verbot, sondern ein Regelwerk.

Warum Stimme ein schwierigerer Fall ist als Bild

Es gibt einen strukturellen Grund, warum Sprecher diese Debatte schneller gewinnen als bildende Künstler.

Eine Stimme gehört eindeutig einer Person. Niemand behauptet, eine Stimme sei ein Genre oder eine Technik. Wenn jemand Nozawas Goku klont, gibt es keine plausible Behauptung, man sei bloß von einem Stil inspiriert worden – reproduziert wurde das Instrument einer identifizierbaren Person.

Stil ist die Unschärfe, die Bildklagen seit drei Jahren verheddert. Bei der Stimme gibt es dieses Schlupfloch nicht. Deshalb laufen die Stimmfälle schneller, und deshalb werden die Standards, die jetzt geschrieben werden, wahrscheinlich zur Vorlage für Regeln zum visuellen Abbild.

Für alle, die Produkte mit synthetischen Gesichtern oder Stimmen bauen, ist das das Signal: Die Einwilligungsarchitektur wird zuerst von Sprechern definiert, und sie wird exportiert werden.

Im Synchronmarkt wird es teuer

Anime-Stimmen sind der sichtbare Fall, Synchronisation ist der kommerzielle.

Jeder ausländische Film und jede Serie, die in Japan erscheint, wird neu vertont, und das ist ein großer, stetiger, gewerkschaftlich organisierter Teil der Branche. Es ist außerdem der am offensichtlichsten automatisierbare Teil der Arbeit: Lippenbewegungen treffen, das Register der Figur halten, im Zeitplan bleiben. Ein Modell, das brauchbare Synchronisation zu einem Zehntel der Kosten liefert, ist ein existenzbedrohendes Angebot an die Leute, die davon leben.

Genau deshalb zählen Einwilligungsregeln hier mehr als überall sonst in der Stimmarbeit. Wird Synchronisation standardmäßig synthetisch, schrumpft der Beruf auf eine Aufsichtsfunktion. Braucht sie Zustimmung und Bezahlung, wird sie zu einem lizenzierten Input – dieselbe strukturelle Position, in der ein Songwriter steckt, wenn eine Coverversion entsteht.

Die Leitlinien lösen diesen Streit nicht. Sie sorgen nur dafür, dass Sprecher mit am Tisch sitzen, wenn die Bedingungen festgelegt werden, statt es hinterher aus einem Trailer zu erfahren.

Was das praktisch bedeutet

Drei Dinge, für drei verschiedene Leute.

Wenn du Sprecher bist, ist die Checkliste das nützliche Werkzeug. Frag nach dem Umfang der Trainingsnutzung, der Laufzeit, dem Gebiet, ob Unterlizenzen erlaubt sind und was mit Ableitungen passiert, wenn der Vertrag endet. Lass dir die Antwort schriftlich geben. „Wir klonen dich nicht“ ist keine Klausel.

Wenn du ein Produkt baust, wird Einwilligung erst ein Datenproblem und dann ein juristisches. Du brauchst einen Nachweis darüber, wer was zugestimmt hat, verknüpft mit dem konkreten Stimmmodell und mit Ablaufdatum. Studios, die diesen Nachweis auf Anfrage liefern können, gewinnen Aufträge; Studios, die das nicht können, verlieren sie, egal wie gut das Ergebnis klingt.

Wenn du Publikum bist, ist die interessante Verschiebung, dass „ist das ein echter Mensch“ zur falschen Frage wird. Die richtige lautet: „Hat diese Person zugestimmt?“ Das erste ist ein Erkennungsproblem, das niemand gewinnt. Das zweite ist ein Papierproblem, das sich tatsächlich lösen lässt.

Der Satz, der zitiert werden wird

„Ohne Herz taugt es nichts, egal in welcher Rolle. Selbst eine Stimme, die nur weint, ist anders, wenn du mit echtem Gefühl weinst.“

Man kann das als alte Sprecherin lesen, die ihr Handwerk gegen eine Maschine verteidigt, und viele werden es so lesen. Aber die Aussage ist präziser. Sie sagt: Kopiert wird nicht der Klang, sondern die Entscheidung hinter dem Klang – die Entscheidung, bei einem bestimmten Take auf eine bestimmte Weise zu weinen.

Das kann man nicht lizenzieren, und man kann es nicht synthetisieren. Man kann nur die Person einstellen, die es tut. Die Leitlinien gibt es, damit diese Einstellung weiter passiert – und damit, wenn sie ausbleibt, trotzdem jemand bezahlt wird.