Photo by Pixabay「RVC（Retrieval-based Voice Changer：情報検索ベース変声）」は、AIによって声質変換を行うオープンソースのボイスチェンジャーだ。ボイスサンプルを学習して声質変換モデルを生成するもので、4月初旬からSNSで話題となり、WEBブラウザでの動作や日本語UIの実装など、ユーザーによる多彩な拡張が施されている。
【画像】AIによる音声ガイダンスが進化する一方で、電話詐欺など気をつけるべき悪質なディープフェイクも
RVCには自分の声を学習させることはもちろん、すでに学習済みのデータを配布するユーザーもおり、こうしたデータを購入してボイスチェンジを楽しむこともできる。類似の技術はいくつかあるが優秀で、コンピュータへの負荷も比較的軽いことから人気を博している。このソフトはもともと中国製で、ユーザーインタフェースが全て中国語だったのがネックなのだが、これも「RVC WebUI」というWEBブラウザ版インターフェイスの日本語化により解消された。
RVCの特徴はもう一つあり、「低遅延」だということ。自身の発話した音を瞬時に学習済みの声に変換してくれるので、リアルタイムのボイスチェンジが可能になる。非常に高精度な音声変換と学習速度がウリであり、さらには「異なる音声のマージ（融合）」までできてしまう。この特性が評価され、数々のVTuberがYouTubeにRVCのレビューを掲載している。
こうしたソフトが牧歌的に使われている状況は楽しく見られるものの、悪用が心配でもある。低予算でハイクラスのボイスチェンジが可能となる一方で、「フェイクスピーチ」の生成が容易になるという事実は無視できない。
広告の後にも続きます
フェイクスピーチは、ある特定の人が言ったかのように偽造された音声を指す。この技術は「ディープフェイク」の一種で、ここでいうディープフェイクとは、AI技術を用いて偽造された映像や音声のことだ。一言で言えば、ディープフェイクは人工知能が人間の顔や声をまねる技術である。以前に別の記事でも紹介したが、ボイスチェンジャーを悪用した詐欺やなりすましなどの犯罪がすでに報告されており、この技術の発展はその可能性をさらに高めてしまうだろう。今年、中国・福建省ではAIによって顔と声を生成したなりすまし詐欺により、430万元（約8400万円）をだまし取られたという事件も発生している。
ディープフェイクやその他の画像・音声合成技術の悪用については世界中で議論されており、すでに一部の地域では法律による規制が行われている。たとえば、アメリカのカリフォルニア州では2019年にディープフェイクに関連する法案として、選挙の60日前に候補者について偽の音声や映像を公開することを禁止するAB730法案が制定されている。
また、EUでもディープフェイクに関する議論が進んでいる。2020年に公開されたEUの人工知能戦略白書では、ディープフェイクによる欺瞞性やマニピュレーションに対処するための規制策が必要とされている。しかし、これらの対策はまだ始まったばかりで、現状では、法的・技術的な対策が追いついていない。
・技術に罪はなく、使い方の問題 なればこそ考えておきたい“規制の方向性”
ディープフェイクによって生じる問題は、一部の個人だけに影響を及ぼすものではない。流布した情報の真偽二見分けがつかなくなってしまうような状況というのは、極端なことをいえば、「情報を共有し、認識する」という社会の基本的な活動を歪める可能性を持っており、これらの技術を取り締まるための法律や規範の設定は、個々人の権利保護だけでなく、社会全体の秩序を維持するためにも必要なのではないかと思う。
ここで難しいのは、ディープフェイクそのものが悪であるわけではなく、その使われ方次第で問題となる点だ。たとえば、ある人物の顔を別の人物の体に合成した映像を作り出す技術は、映画やゲームなどのエンターテインメントの一環として利用されることもある。しかし、同じ技術を使って他人のプライバシーを侵害したり、偽のニュース映像を作り出したりすると、それは悪用とみなされるべきだ。
