এআই দিয়ে কণ্ঠ নকল জাপানের আদালতের ঐতিহাসিক রায়

ব্যক্তিচিত্রের মতো মানুষের কণ্ঠস্বরও স্বত্বাধিকার ও সুরক্ষার আওতায় আইনি অধিকার পেতে পারে বলে নজিরবিহীন রায় দিয়েছেন জাপানের একটি আদালত। কৃত্রিম বুদ্ধিমত্তা বা এআই প্রযুক্তি ব্যবহার করে অনুমতি ছাড়া কণ্ঠস্বর নকল করার ঘটনায় দেশটিতে এ ধরনের বিচারিক সিদ্ধান্ত এটিই প্রথম। বুধবার (৩০ সেপ্টেম্বর) টোকিও জেলা আদালত জনপ্রিয় জাপানি কণ্ঠশিল্পী কেনজিরো সুদার দায়ের করা এক মামলার প্রেক্ষিতে এই ঐতিহাসিক পর্যবেক্ষণ ও রায় প্রদান করেন। 

জনপ্রিয় জাপানি অ্যানিমে সিরিজ জুজুতসু কাইসেন-এর জনপ্রিয় চরিত্র কেন্তো নানামি-তে কণ্ঠ দিয়ে আন্তর্জাতিকভাবে পরিচিতি পাওয়া সুদা তার অভিযোগপত্রে জানান যে, তার কণ্ঠের হুবহু অনুকরণ তৈরি করে কৃত্রিম বুদ্ধিমত্তা প্রযুক্তির মাধ্যমে সামাজিক যোগাযোগমাধ্যমে একাধিক ভিডিও প্রচার করা হয়েছে। তবে ওইসব ভিডিও তাৎক্ষণিকভাবে প্ল্যাটফর্ম থেকে প্রত্যাহার করার জন্য সংক্ষিপ্ত ভিডিও মাধ্যম টিকটকের মূল পরিচালনাকারী প্রতিষ্ঠানের বিরুদ্ধে তিনি যে নির্দেশনা চেয়েছিলেন, আদালত তা খারিজ করে দিয়েছেন। মানুষের কণ্ঠস্বর আইনি সুরক্ষা পাওয়ার যোগ্য বলে স্বীকৃতি দিল আদালত।

জাপানের প্রচলিত বিচারিক ব্যবস্থায় সরাসরি ব্যক্তিগত কণ্ঠস্বরের মালিকানা বা অধিকার সুরক্ষায় সুনির্দিষ্ট কোনো আইন এখনো কার্যকর নেই। তবে দেশটির বিচার মন্ত্রণালয় সম্প্রতি এ বিষয়ে প্রাতিষ্ঠানিক কিছু সমন্বিত দিকনির্দেশনা প্রণয়ন করেছে, যেখানে বলা হয়েছে যে প্রকৃত কোনো ব্যক্তির বাস্তব কণ্ঠের অবিকল অনুকরণ তৈরি করে সামাজিক যোগাযোগমাধ্যমে প্রকাশ এবং সেই কনটেন্ট থেকে আর্থিক মুনাফা অর্জন করা হলে তা সংশ্লিষ্ট ব্যক্তির আইনি অধিকার লঙ্ঘনের আওতায় পড়তে পারে।

আদালতের নথি থেকে জানা যায়, ২০২৪ সালের জুলাই থেকে ২০২৫ সালের সেপ্টেম্বর মাস পর্যন্ত এক অজ্ঞাতনামা অনলাইন ব্যবহারকারী ভৌগোলিক উপকথা, নগরকথা, অলৌকিক বিশ্বাস এবং নানা তথ্যভিত্তিক অন্তত ১৮৮টি ভিডিও ইন্টারনেটে প্রচার করেন। অডিও বিশ্লেষণে দেখা গেছে যে এসব ভিডিওর ধারাবর্ণনায় সুদার কণ্ঠস্বরের সাথে কৃত্রিম বুদ্ধিমত্তা নির্মিত কৃত্রিম কণ্ঠের উল্লেখযোগ্য ও স্পষ্ট মিল বিদ্যমান ছিল। সুদার আইনি দল আদালতে যুক্তি উপস্থাপন করে যে, এ ধরনের অপরীক্ষিত ব্যবহারের ফলে সাধারণ দর্শক ও ভক্তদের মধ্যে বিভ্রান্তি তৈরির প্রবল ঝুঁকি রয়েছে। 

অপরদিকে টিকটকের পরিচালনাকারী প্রতিষ্ঠান আদালতে অবস্থান নিয়ে দাবি করে, ভিডিওগুলোতে ব্যবহৃত স্বরটি একটি সাধারণ পুরুষ কণ্ঠ এবং সেটিকে নির্দিষ্ট কোনো পেশাদার শিল্পীর কণ্ঠ বলে বিভ্রান্ত হওয়ার সুযোগ নেই। একই সাথে কনটেন্টগুলো প্রকাশকারী ব্যক্তি দাবি করেন, তিনি কোনো প্রতিষ্ঠিত তারকার কণ্ঠ ক্লোন করেননি, বরং তার নিজস্ব এক বন্ধুর কণ্ঠ থেকে ডেটা নিয়ে এই কৃত্রিম বুদ্ধিমত্তা মডেলটিকে প্রস্তুত করা হয়েছিল। তবে যে অ্যাকাউন্টটি ব্যবহার করে এই ১৮৮টি ভিডিও প্রচার করা হয়েছিল, চলতি বছরের জুন মাসে সেটি প্ল্যাটফর্ম থেকে সম্পূর্ণ মুছে দেওয়া হয়।