PhD in Philology, Applied and Experimental Linguistics Department Chair, Lead Researcher at Experimental Phonetics and Forensic Linguistics Laboratory
кандидат филологических наук, заведующий кафедрой прикладной и экспериментальной лингвистики, ведущий научный сотрудник экспериментально-фонетической лаборатории криминалистики по речеведению
Since 2023, the audio-video game industry has witnessed the active implementation of generative artificial intelligence for voice-acting game characters. In some cases, AI completely replaces the role of voice actors; in others, actors and developers enter into an agreement whereby the developer reserves the right to use neural networks and the actor’s voice samples to synthesize new lines as needed. With proper algorithm training and a sufficient training dataset, the results of speech synthesis based on an actor’s voice can be indistinguishable from natural speech except through deep phonoscopic analysis. Another trend in the modern audio-video game industry is noteworthy, which, in combination with the previous one, creates the foundation of the problem we aim to research: “games-as-a-service” (GaaS), a phenomenon in which a game is not a static, finished product, but evolves over time, receiving updates with new content. Under these conditions, a situation arises where it is possible to synthesize speech indistinguishable at first glance from human speech by a specific individual who has given legal consent for this, yet lacks control over which phrases will be publicly voiced. The research methodology relies on works in the field of specialized forensic linguistics of text and speech. The aim of the research is to formulate an algorithm for the linguistic analysis of such utterances, which has been accomplished.
Актуальность обусловлена активным внедрением разработчиками развлекательного программного обеспечения генеративного искусственного интеллекта для озвучки персонажей в индустрии аудио-видеоигр. В некоторых случаях ИИ полностью заменяет роль актеров озвучки, в других случаях актеры и разработчики заключают соглашение, согласно которому разработчик оставляет за собой право использовать нейронные сети и образцы голоса актера для синтезирования новых реплик по мере необходимости. При должном обучении алгоритма и достаточной обучающей выборке результаты синтеза речи на основе голоса актера могут быть неотличимы от естественного речепроизводства без глубокого фоноскопического анализа. Дополнительно необходимо отметить другой тренд современной индустрии аудио-видеоигры, в совокупности с предыдущим, формирующим проблему нашего исследования: «игры-как-сервис» (англ. GaaS; Games as a Service), явление, при котором игра не статична, а развивается с течением времени, получая обновления с новым контентом. В этих условиях возникает ситуация, при которой возможен синтез неотличимой на первый взгляд человеческой речи конкретным человеком, который дал на это юридическое согласие, однако не имеет контроля над тем, какие фразы будут озвучены его голосом в публичном пространстве. Методология исследования опирается на юрислингвистических работах в сфере специализированного изучения текста и речи. Цель исследования заключается в том, чтобы сформировать алгоритм лингвистического анализа таких высказываний, что было осуществлено.