「AIステファニー・サン」は実は本人よりも人気がある。違いが聞こえますか？ |デジタルリテラシー

監査専門家：鄭元凡

鄭州軽工業大学教授

最近、多くの人が古典を再び聴き始め、子供の頃に聴いていた古典的な歌を思い出すようになりました。今もコンサートを開催している数少ない歌手に加え、「飢えた」ファンたちも新たなアイデアを思いついた。

Bilibiliでは、「AIステファニー・サン」が多くの有名人の名曲をカバーしています。彼女の作品は数千万回の再生回数を記録しただけでなく、テクノロジー界や音楽界で白熱した議論を巻き起こした。 （著作権の関係上、Station Bで検索してお聴きいただけます）

ソース | Bilibiliウェブサイトのスクリーンショット

「AI ステファニー・サン」は中国のポップスター、ステファニー・サン本人ではないことは確かだが、彼女がカバーした曲は、ほとんどの人にとって本物か偽物かを見分けるのは難しい。長い間、世間の注目の的となっていなかったステファニー・サンも、ネット上で反論記事を発表し、この驚異的な人気と「再登場」の出来事に対する自身の見解も表明した。

ソース |ステファニー・サンの返答のスクリーンショット

1

「AI ステファニー・サン」はどのように曲をカバーするのでしょうか？

冒頭の「AI」という明らかな単語は、音楽業界における技術と努力が、近年避けられないキーワードである人工知能（AI）に依拠していることをすでに物語っています。

「AIステファニー・サン」がカバーした楽曲は主に「so-vits-svc」というオープンソースプロジェクトを通じて複数のクリエイターが制作し、動画サイト「ビリビリ動画」にアップロードされたものだ。このウェブサイトでは、「AIステファニー・スン」のほか、「AIリン・ジュンジェ」や「AIフェイ・ウォン」によるカバー曲も公開されています。

ソース | Bilibiliウェブサイトのスクリーンショット

現在、このプロジェクトはバージョン 4.0 にアップグレードされています。プロジェクトの以前のバージョンと比較すると、so-vits-svc はより簡素化されています。ターゲットトーンのオーディオを合成し、目的の音響モデルをトレーニングするには、いくつかの実験的なターゲットオーディオのみが必要です。

トレーニングされたモデルは、対象オーディオのピッチとトーンを維持できるだけでなく、さまざまな言語でオーディオを提示し、最終的にはさまざまな国籍や歌手によるさまざまな曲をカバーできます。現在の技術では、音色は基本的に1:1で再現できるものの、歌手の歌声、テクニック、スタイルを完全に模倣するのは依然として困難です。

さらに、AI オーディオ制作に関する教育ビデオはインターネット上のいたるところで見つかります。簡単に言えば、必要な手順は 4 つだけです。①ワンクリック スタート パッケージをダウンロードします。 ② 適切なドライサウンド（音楽のない純粋な人間の声）を入力します。 ③音響モデルをトレーニングする（トレーニング時間が長いほど効果は高くなります） ④ 音声編集ソフトに入り、合成やポストプロダクションを行います。

しかし、実際の操作は簡単ではなく、ある程度の技術的なハードルと時間が必要です。たとえば、ドライサウンドの抽出や音響モデルのトレーニングには大量のデータ収集と実験が必要であり、実装プロセス全体にも一定のアルゴリズム関連の経験と結果のサポートが必要です。

「AI ステファニー・サン」の制作者の一人であるRcell氏は、彼と彼のチームは約半年を費やしてステファニー・サンの楽曲約100曲をトレーニングデータとして収集し、数百回の実験を経てようやく現在のモデルを完成させたと語った。

同時に、周杰倫、林俊傑、王菲など他の歌手の声質変換も試みたが、効果は孫燕姿ほど良くなかった。

ソース |微博

もう一人のクリエイター、Zi Yu は、これはステファニー・サン自身の声の認識しやすさに関係しているのではないかと推測した。ステファニー・サンの発音は比較的明瞭で、声には一定の粒度があります。これらの特性により、オープンソース プロジェクトの現在のバージョンでは、同じ特性を持つモデルをトレーニングすることができ、特に類似しているように感じられます。
これらの「AIステファニー・サン」カバー動画には、「彼女が歌うとひざまずいてしまう」「まったく同じ」「これがオリジナルの歌手ではないのか？」などのコメントや感想が多数寄せられており、AI技術がここまで発達していることに多くのネットユーザーが衝撃を受けている。

2

音声プライバシーとセキュリティ

声も容姿も人それぞれですが、AIの深層合成技術によってこの境界が徐々に破られつつあります。

AIが音楽業界を席巻するずっと前から、ビデオにおけるAIによる顔の変形など、AIはすでに他の分野で白熱した議論を巻き起こしていた。当初は、映画やテレビ番組の俳優の顔を他の有名人や個人の顔に置き換えるために AI が使用されていました。これは少数の人々の自己娯楽と自己修養のために行われました。

しかし、AI技術の発展により、人々の利便性が向上し、生産効率も向上する一方で、多くの新たな問題も生じています。たとえば、犯罪者は AI による顔の変形を利用して詐欺行為を実行しますが、AI による顔の変形と AI による音声生成の組み合わせは、防御がさらに困難になります。

ソース | AIGC (AIグラフィックス)

2020年には、上海のある企業の上級幹部が、詐欺師がAIによる顔変換や人工的に生成した音声技術を使って企業トップになりすまし、金銭を振り込むよう要求し、150万元をだまし取られたと報じられている。

専門家によると、AI技術は現在、次の2つの側面で通信詐欺犯罪に使用されている。まず、詐欺師は嫌がらせの電話録音などを通じて誰かの声を抽出し、その素材を入手した後、AI技術を使用して音声を合成し、偽の声で被害者を騙す。第二に、詐欺師はAIによる顔変換技術を使って被害者の知人に変装し、ビデオ通話を使って情報を確認し、信頼を得ます。

ChatGPT（Chat Generative Pre-trained Transformer）の人気によって引き起こされた著作権問題と同様に、AI カバー曲に関連する著作権問題が再び言及されています。たとえば、「AI カバー曲は歌手の声の著作権を侵害しますか？」 AIがカバーした曲には著作権がありますか？

我が国では、現在、これらの問題に関して明確な法規定や裁判例がなく、多くの論争が起こっています。これを受けて、中国サイバースペース管理局は2023年4月11日に「生成型人工知能サービスの管理に関する規則（意見募集稿）」を発行した。

ソース |中国サイバースペース管理局

この草案に関するパブリックコンサルテーションは2023年5月10日に終了しましたが、最終版の具体的なリリース日と発効日はまだ不確定です。

法律専門家は、この方法の策定は、国家ネットワーク規制当局がAI技術がもたらす社会倫理、法律などの問題に細心の注意を払っており、AI応用の「境界」の定義を検討し始めたことを示していると述べた。

3

AIのカバー曲についてどう思いますか？

ネットユーザーたちがこれらの「AIステファニー・サン」のカバーを聴くと、ある人たちは単にこの珍しい「福祉」の時間を楽しんでいたが、ある人たちはより深く考えていた。たとえば、「時代遅れ」の歌手や昔の名曲のカバーが称賛されるということは、中国の音楽界には長い間、良い歌手や良い曲がなかったということなのでしょうか？歌手は翻訳家や画家のようにAIに取って代わられるという問題に直面するのでしょうか？

つまり、さまざまな声があり、歌手の陳山尼のパフォーマンスアートのような操作は私たちにさらなるインスピレーションを与えました。 2023年3月、陳山尼は新曲「Teach Me How to Be Your Lover」をリリースした。それを聞いたファンは、彼女の歌唱レベルは相変わらずで、以前よりもさらに良くなっていると感想を述べた。

ソース |微博

しかしその後、陳山妮は微博に、新曲は彼女が歌ったのではなく、彼女が多くの時間と労力を費やして訓練した「AIモデル」が歌ったものであり、シングルカバーもAIによって生成されたものだと投稿した。

このニュースが報じられたとき、誰もが衝撃を受けた。ミュージシャンたちは実際に率先して AI を受け入れ、AI に自分たちを「置き換える」ことを決めたのだ。

さまざまな論争に直面している中、陳山妮は「AIの発展が激しく議論されている今、この曲を通じて、創作に関心を持つすべての人々とともに考えることができたらと思います。AIの時代が必ず来るなら、クリエイターが気にするべきことは『自分たちが置き換えられるかどうか』ではなく、『他に何ができるか』なのかもしれません」と、当初の意図も明らかにした。

ソース |ペクセル

実際、著名人も一般人も科学技術の進歩を止めることはできません。それに反対したり恐れたりするのではなく、それをどのように使いこなすかを考えるべきです。