२९ असोज , काठमाण्डौ ।
सार्वजनिक व्यक्तिको विवादास्पद अडियो बाहिरिन्छ, सामाजिक सञ्जालमा त्यसको चर्चा चुलिन्छ र केही समयपछि उक्त आवाज आफ्नो नभएको वा कृत्रिम बुद्धिमत्ता (एआई) को प्रयोग गरेर बनाइएको दाबी सार्वजनिक हुन्छ ।
पछिल्लो समय राष्ट्रिय स्वतन्त्र पार्टी (रास्वपा) का सांसद खगेन्द्र सुनारसँग जोडिएको अडिओ विवादले पनि यस्तै प्रश्न उठाएको छ। आखिर सार्वजनिक भएको आवाज साँच्चिकै सम्बन्धित व्यक्तिकै हो वा प्रविधिको सहायताले तयार पारिएको नक्कली अडिओ?
सुनारले एक महिलालाई फोनमार्फत अपशब्द प्रयोग गरेको, धम्की दिएको र अश्लील गाली गरेको भनिएको अडिओ सार्वजनिक भएपछि त्यसको सत्यताबारे बहस सुरु भएको छ। उक्त अडिओ आफ्नो नभई एआईलगायत प्रविधिको प्रयोगबाट बनाइएको उनको दाबी छ।
तर कुनै अडिओलाई केवल सम्बन्धित व्यक्तिको खण्डनका आधारमा नक्कली वा सार्वजनिक भएकै आधारमा सक्कली ठहर गर्न सकिँदैन। त्यसका लागि प्राविधिक परीक्षण, अडिहोको स्रोत र अन्य स्वतन्त्र प्रमाण आवश्यक हुन्छन्। अब कुनै व्यक्तिको आवाज सुनेर मात्र त्यसको प्रामाणिकताबारे निष्कर्ष निकाल्न सकिने अवस्था सधैँ नहुन सक्छ ।
अर्कोतर्फ, विवादमा परेका व्यक्तिले आफ्नो आवाज नक्कली भएको दाबी गर्दैमा वास्तविक अडियोलाई पनि स्वतः अस्वीकार गर्न मिल्दैन। त्यसो भए नेपाली भाषामा एआईले मानिसको आवाज कत्तिको विश्वसनीय रूपमा नक्कल गर्न सक्छ?
सामान्य कानले सुनेर नक्कली आवाज पत्ता लगाउन सकिन्छ? र कुनै विवादास्पद अडियोको सत्यता पुष्टि गर्न विज्ञहरूले के कस्ता विधि अपनाउँछन? आज हामी खगेन्द्र सुनारको अडियो विवादले उठाएका प्रश्नहरु तथा एआईको युगमा सक्कली र नक्कली आवाज कसरी छुट्याउने? भन्ने बारे चर्चा गर्न गइरहेका छौ ।
सुरुमा सुनारबारे रास्वपाले गरिरहेको छानविनको चर्चा गरौं । राष्ट्रिय स्वतन्त्र पार्टी (रास्वपा) को केन्द्रीय अनुशासन आयोगले छुट्टै छानबिन समिति गठन गरेको छ। आज बसेको अनुशासन आयोगको बैठकले प्रतिनिधिसभा सदस्य सुनार र उनीबाट पीडित भनिएको महिलाको अडिओ÷भिडिओको प्राविधिक जाँच गर्न आयोगका उपप्रमुख हरिचन्द्र भट्टराईको संयोजकत्वमा छानबिन समिति गठन गरेको हो।
समितिले आरोपित सुनारले अडिओको स्वर आफ्नो होइन भनेर इन्कार गरेका कारण यसको प्राविधिक जाँच गर्नेछ । एक सदस्यका अनुशार अनुसार अनुसन्धानका बाँकी काम अब छानबिन समितिले गर्नेछ। यसले रायसहितको प्रतिवेदन केन्द्रीय अनुशासन आयोगलाई दिनेछ।
अनि आयोगले समग्रमा हेरेर निष्कर्ष निकाल्छ। यद्यपि यी सबै काम दसैँअघि पूरा नहुने भएको छ । अडिओ सार्वजनिक भएको २ दिनपछि मंगलबार सुनारले भिडिओ सन्देश जारी गरी स्वर आफ्नो नभएको र एआई तथा क्यारिकेचरद्वारा तयार पारिएको दाबी गरेका थिए। यस्तै पीडित भनिएकी महिलाले पनि अडिओमा बोल्ने आफू नभएको भनी सञ्चारमाध्यमलाई अन्तर्वार्ता दिएपछि घटना थप रहस्यमय बनेको छ।
अरूको आवाज नक्कल गरेर भ्रामक सामग्री तयार पार्ने प्रविधिको विकासले वास्तविक र कृत्रिम आवाजबीचको भिन्नता पहिचान गर्न चुनौती थपेको छ। यस्तो अवस्थामा कुनै अडियोलाई तत्काल पत्याउनु वा खण्डनकै आधारमा नक्कली ठहर गर्नु दुवै उचित हुँदैन। त्यसको सत्यता पुष्टि गर्न प्राविधिक परीक्षण र स्वतन्त्र प्रमाण आवश्यक हुन्छ।
एआई भ्वाइस क्लोनिङ भनेको के हो?
एआई भ्वाइस क्लोनिङ भनेको कृत्रिम बुद्धिमत्ताको प्रयोग गरेर कुनै व्यक्तिको आवाज, बोल्ने शैली, उच्चारण र लवजसँग मिल्दोजुल्दो आवाज सिर्जना गर्ने प्रविधि हो। यसमा व्यक्तिको आवाजका नमुना विश्लेषण गरी स्वरको उचाइ, बोल्ने गति र ध्वनिगत विशेषताका आधारमा नयाँ शब्द वा वाक्य बोल्न सक्ने आवाज तयार पारिन्छ।
एआई तथा एजेन्ट प्रविधिमा काम गर्ने अमेरिकी कम्पनी फ्युजमसिन्सका एआई शिक्षा तथा प्रतिभा विकास निर्देशक रोजेश शिख्राकारका अनुसार अहिले सार्वजनिक रूपमा उपलब्ध कतिपय टुलबाट केही सेकेन्डको स्पष्ट आवाजका आधारमा पनि भ्वाइस क्लोनिङ गर्न सकिन्छ।
तीनदेखि १० सेकेन्डसम्मको आवाजबाट सामान्य स्तरको क्लोन तयार गर्न सकिने टुल उपलब्ध भए पनि नतिजा आवाजको गुणस्तर, भाषा र प्रयोग गरिएको मोडलअनुसार फरक पर्न सक्छ। छोटो आवाजको नमुनाबाट नक्कल तयार गर्न सकिए पनि लामो संवादमा स्वाभाविक भाव, लय र उच्चारण कायम राख्नु तुलनात्मक रूपमा जटिल हुन सक्छ।
आवाज कुनै व्यक्तिसँग मिल्नु र उक्त व्यक्तिले नै संवाद बोलेको प्रमाणित हुनु फरक कुरा हुन्।
कानले सुनेर नक्कली आवाज छुट्याउन सकिन्छ?
सामान्य श्रोताले छोटो अडियो सुनेर त्यसको वास्तविकता पहिचान गर्न कठिन हुन सक्छ। केही अवस्थामा एआईबाट सिर्जना गरिएको आवाजमा उच्चारण, वाक्यको बहाव, विराम र भावनात्मक उतारचढाव अस्वाभाविक सुनिन सक्छ।
एउटै शब्द दोहोरिँदा लय वा उच्चारणको ढाँचा समान रूपमा दोहोरिनु पनि थप जाँच गर्नुपर्ने एउटा सङ्केत हुन सक्छ।लामो संवादमा आवाजको स्वाभाविकता, भाव र बोल्ने शैलीमा देखिने असङ्गतिले कृत्रिम आवाजको शंका गर्न सकिन्छ।
तर यस्ता सङ्केतलाई नक्कली आवाजको निर्णायक प्रमाण मान्न मिल्दैन। आधुनिक एआई प्रविधिले मानिसको बोल्ने शैली र भावसमेत नक्कल गर्न सक्छ। त्यस्तै, खराब रेकर्डिङ, कमजोर नेटवर्क वा सम्पादनका कारण वास्तविक आवाज पनि अस्वाभाविक सुनिन सक्छ।
प्राविधिक परीक्षणमा के हेरिन्छ?
विवादास्पद अडियोको सत्यता जाँच्न डिजिटल फरेन्सिक र ध्वनि विश्लेषणका विभिन्न विधि प्रयोग गरिन्छ। यस क्रममा अडियोको वेभफर्म र स्पेक्ट्रोग्राम अध्ययन गरिन्छ। वेभफर्मले ध्वनिको आयाममा हुने परिवर्तन देखाउँछ भने स्पेक्ट्रोग्रामले समयअनुसार ध्वनिको फ्रिक्वेन्सीसम्बन्धी विवरण प्रस्तुत गर्छ।
यसबाट अडियोमा सम्पादन वा अन्य प्राविधिक असङ्गति भएको सम्भावना पहिचान गर्न मद्दत मिल्न सक्छ।त्यस्तै, स्पिकर रिकग्निसन प्रविधिबाट शंकास्पद अडियोमा रहेको आवाजलाई सम्बन्धित व्यक्तिको प्रमाणित आवाजका नमुनासँग तुलना गर्न सकिन्छ।
अडियो फाइलको मेटाडाटा, रेकर्डिङको स्रोत र सम्पादनको इतिहास पनि जाँच गर्न सकिन्छ। तर वेभफर्म, स्पेक्ट्रोग्राम वा आवाजको समानताले मात्रै अडियो वास्तविक वा नक्कली भएको निर्णायक पुष्टि गर्दैन। त्यसैले मूल अडियो, त्यसको स्रोत, रेकर्डिङको अवस्था र अन्य प्रमाणलाई समेत सँगै मूल्याङ्कन गर्नुपर्छ।
के एआई डिटेक्टरले शतप्रतिशत सही नतिजा दिन्छन ?
इन्टरनेटमा एआईबाट सिर्जना गरिएको आवाज पहिचान गर्ने विभिन्न डिटेक्टर उपलब्ध छन्। यस्ता टुलले अडियोका ध्वनिगत विशेषता विश्लेषण गरेर आवाज कृत्रिम हुन सक्ने सम्भावना देखाउँछन्। तर तिनको नतिजा सधैँ सही हुन्छ भन्ने छैन।
डिटेक्टरले वास्तविक आवाजलाई कृत्रिम ठहर गर्न वा एआईबाट बनाइएको आवाजलाई वास्तविक देखाउन सक्छन्। छोटो अडियो, सम्पादन गरिएको फाइल र फरक भाषामा परीक्षणको विश्वसनीयता प्रभावित हुन सक्छ। त्यसैले कुनै एउटा टुलले दिएको नतिजाका आधारमा मात्रै विवादास्पद अडियोको सत्यता निर्धारण गर्नु उचित हुँदैन।
नेपाली भाषामा आवाजको नक्कल कत्तिको विश्वसनीय छ?
अंग्रेजी भाषाका लागि विकसित एआई आवाज प्रविधि तुलनात्मक रूपमा परिष्कृत छन्। नेपाली भाषामा पनि भ्वाइस क्लोनिङ सम्भव भए पनि सबै टुलले नेपाली उच्चारण, क्षेत्रीय लवज र भावलाई समान रूपमा नक्कल गर्न सक्दैनन्।
नेपाली भाषामा आवाज क्लोन गर्दा कतिपय अवस्थामा उच्चारण अस्वाभाविक सुनिने वा हिन्दी भाषाको लवज मिसिएको जस्तो लाग्न सक्छ। नेपाली भाषामा स्वाभाविक आवाज उत्पादन गर्न गुणस्तरीय अडियो डेटासेट र उपयुक्त एआई मोडल महत्त्वपूर्ण हुन्छन्।
यद्यपि, नेपाली लवज अस्वाभाविक सुनिँदैमा आवाज नक्कली हो भन्न मिल्दैन। त्यस्तै, आवाज स्वाभाविक सुनिँदैमा वास्तविक हो भन्ने पनि सुनिश्चित हुँदैन।
अडियोको सत्यता पुष्टि गर्न के आवश्यक छ?
अडियोको सत्यता जाँच्दा प्राविधिक परीक्षणसँगै त्यसको स्रोत र सन्दर्भ पनि महत्त्वपूर्ण हुन्छ। मूल रेकर्डिङ कहाँ छ, कसले रेकर्ड गरेको हो, फाइल सम्पादन गरिएको छ कि छैन र संवादमा उल्लेख भएको घटनासँग सम्बन्धित अन्य प्रमाण उपलब्ध छन् कि छैनन् भन्ने विषय जाँच गर्नुपर्छ।नेपालमा यसअघि पनि सार्वजनिक व्यक्तिसँग जोडिएका विवादास्पद अडियो तथा डीपफेक सामग्रीबारे प्रश्न उठेका छन्।
तत्कालीन मन्त्री राजकुमार गुप्तासँग जोडिएको घूससम्बन्धी अडियोमा उनले आफ्नो आवाज नभएको दाबी गरेका थिए। त्यस्तै, रास्वपाका नेता स्वर्णिम वाग्लेले आफ्नो नक्कली आवाज र डीपफेक भिडियो बनाएर चरित्रहत्या गर्न खोजिएको भन्दै प्रहरीको साइबर ब्युरोमा उजुरी दिएको विवरण सार्वजनिक भएको थियो ।
यस्ता घटनाले अडियो सार्वजनिक हुनु र त्यसको प्रामाणिकता पुष्टि हुनु फरक विषय भएको देखाउँछन्। सञ्चारमाध्यमले स्रोत र प्रमाण जाँचेर मात्र सामग्री प्रकाशन गर्नुपर्छ भने सामाजिक सञ्जाल प्रयोगकर्ताले पनि पुष्टि नभएका अडियो तुरुन्तै साझा गर्नु हुँदैन।
एआई प्रविधिले आवाजको नक्कल गर्न सक्ने क्षमता बढाउँदै लगेका बेला कुनै अडियो वास्तविक हो वा नक्कली भन्ने निष्कर्ष आरोप, खण्डन वा सुनेकै भरमा निकाल्न मिल्दैन। त्यसका लागि विश्वसनीय प्राविधिक परीक्षण, मूल स्रोत र स्वतन्त्र प्रमाण आवश्यक हुन्छन्।
त्यसैले अहिलेलाई खगेन्द्र सुनारसँग जोडिएको अडियो प्रकरणमा अबको अनुसन्धानले उक्त आवाज सुनारकै हो वा एआईको प्रयोगबाट तयार पारिएको हो भन्ने प्रश्नको निरूपण गर्नुपर्ने देखिएको छ ।
