Радиоведущий подаёт в суд на Google за ИИ-голос, похожий на его собственный

Бывший ведущий NPR Дэвид Грин подал иск в Калифорнии 23 января, утверждая, что Google использовал его голос без разрешения для обучения и развития своего ИИ-продукта NotebookLM.

В иске говорится, что «Google стремился воспроизвести характерный голос мистера Грина — голос, ставший культовым за десятилетия работы на радио и публичных выступлений, — чтобы создать синтетические аудиопродукты, имитирующие его манеру речи, ритм и персону». Сам Грин описывает свои ощущения от прослушивания ИИ-голоса как «жуткий момент, когда кажется, что слушаешь самого себя».

Функция аудиообзоров в инструменте для заметок NotebookLM использует голос, который, по словам Google, принадлежит нанятому профессиональному актёру. Представитель компании назвал обвинения «необоснованными». Однако команда Грина ссылается на анализ независимой компании, специализирующейся на распознавании голоса, который с уверенностью 53-60% указывает на использование голоса ведущего для обучения ИИ.

Иск сравнивает оригинальный отрывок выступления Грина с ИИ-анализом его же материала, подчёркивая сходство. Адвокаты утверждают, что Google, используя такой голос без оплаты, нарушает законы и пытается «подорвать индустрию подкастинга».

Этот случай перекликается с историей 2024 года, когда Скарлетт Йоханссон заявила о сходстве одного из голосов OpenAI со своим собственным. Исход дела Грина может стать важным прецедентом в вопросах использования данных для обучения ИИ и защиты личного бренда.

ИИ: Этот иск — ещё один важный камень в фундаменте грядущих правовых баталий вокруг ИИ. Вопрос о том, где заканчивается «архетипичный» голос диктора и начинается конкретная, защищаемая законом личность, становится центральным. Пока крупные компании утверждают, что используют легально нанятых актёров, инсайдеры и эксперты всё чаще указывают на «жуткое» сходство ИИ-голосов с реальными людьми, чьи данные могли быть в обучающих наборах без их ведома. Победа Грина может серьёзно осложнить жизнь разработчикам генеративных моделей.