声優の声が無断でAI化？生成AI時代の「声の権利」と対策技術

最近、YouTubeやSNSを見ていると「AIカバー」って言葉をよく見かけませんか？好きなアニメキャラクターや歌手の声で、流行りの曲を歌わせている動画です。あれ、技術的にはすごく面白いなと思う反面、ちょっとモヤモヤすることもあって。だって、本人は絶対に歌っていないわけですからね。

気になって調べてみたら、やっぱりこの問題、声優さんや俳優さんの間ではかなり深刻な話題になっているみたいなんです。技術が進化しすぎて法律が追いついていない、まさに現代ならではの悩み。今日は、この「声の権利」とAI技術の現状について、僕なりに調べたことをまとめてみます。

AIボイスクローニングの衝撃的な進化と現状

まず驚いたのが、AIによる音声生成技術の進化スピードです。少し前までは、テキストを読み上げさせる（TTS）だけでも、何時間分ものきれいな録音データが必要だったらしいんです。それが今や、最新のAI技術を使えば、わずか3秒〜数分程度の音声サンプルがあれば、その人の声を高品質にクローンできるようになっているんだとか。

具体的には、「RVC (Retrieval-based Voice Conversion)」というオープンソース技術や、ElevenLabsといったクラウドサービスが普及したことで、専門知識がなくても誰でも簡単に「推しの声」のAIモデルを作れる環境が整ってしまいました。アニメやラジオ、動画配信などから音声を抽出して学習させれば、あっという間にクローン音声の完成です。

無断利用による被害の実態

技術が民主化された結果、何が起きているか。プロの声優やVTuberなどの音声データが、本人の許諾なく勝手にAIの学習に使われているんです。そして、作られたAIモデルがネットで配布されたり、本人が言ってもいないセリフを言わせるディープフェイク動画が作られたりしています。

これは単に「気持ち悪い」で済む話ではありません。声優さんにとっては、自身のブランドが傷つけられたり、本来得られるはずだった仕事が奪われたりする可能性があります。さらに深刻なのは犯罪への悪用です。アメリカのセキュリティ企業McAfeeが2023年に行った調査によると、調査対象者の4人に1人が、AI音声クローニングを使った詐欺（家族の声を装って金銭を要求するなど）に遭遇したか、知人が遭遇したと回答したそうです。これはもう、対岸の火事とは言えませんよね。

「声の権利」は法律で守れないの？

「勝手に人の声を使って商売したり、変なことを言わせたりするのは違法じゃないの？」って思いますよね。僕もそう思いました。でも、日本の現在の法律では、ここが非常に難しいグレーゾーンになっているみたいなんです。

「声」そのものに著作権はない？

驚くべきことに、日本の著作権法では基本的に「声」そのものには著作権が認められていないそうです。著作権は「思想や感情を創作的に表現したもの」を守る法律なので、単なる「声の質」は対象外という解釈が一般的なんですね。

じゃあ、泣き寝入りするしかないのかというと、そうでもありません。既存の法律で対抗する場合、主に以下の権利が関わってくるようです。

• パブリシティ権：著名人が持つ、顧客を引きつける力を経済的価値として独占できる権利。無断で商用利用された場合には主張できる可能性があります。
• 人格権：声を無断利用されて名誉を傷つけられた場合などに主張できる権利です。

ただ、いずれもハードルが高く、特にファンアート的な非営利利用に対しては適用が難しいのが現状らしいです。

世界を騒がせたスカーレット・ヨハンソンの件

この問題が世界的に注目される大きなきっかけとなったのが、2024年5月に起きた女優スカーレット・ヨハンソンとOpenAIの件です。ChatGPTの新音声機能「Sky」の声が彼女に酷似しているとして抗議したんですね。彼女は以前、声の提供を断っていた経緯がありました。OpenAIは意図的な模倣を否定しつつも、その音声の利用を一時停止しました。この事件は、「声の権利」を巡る議論に火をつけました。

日本でも、梶裕貴さんや山寺宏一さんといった著名な声優さんが、SNSなどでAIによる無断利用への懸念や法整備の必要性を訴えています。芸能実演家の団体である芸団協のアンケートでも、多くの実演家が強い不安を抱いているという結果が出ているそうです。

自分の声を守るための最新技術と対策

法整備が追いつかない中、技術で対抗しようという動きも出てきています。「守る側」の技術ですね。

電子透かしと学習阻害ノイズ

一つは「電子透かし（Watermarking）」。音声データに、人間の耳には聞こえない特殊な信号を埋め込む技術です。もしAIに学習されて音声が生成されたとしても、その透かしを検出することで、元の権利者が誰なのかを追跡できるようにする研究が進んでいるそうです。

もう一つ興味深いのが、「学習阻害ノイズ」です。これは、音声データに人間には聞こえない微細なノイズを混ぜることで、AIの学習を妨害する技術。これを学習したAIは、まともな音声を生成できなくなるんだとか。画像の分野では「Nightshade」という技術が話題になりましたが、それの音声版ですね。

声優側の自衛策と利用者の倫理

技術的な対策だけでなく、契約面での自衛策も進んでいます。今後の収録契約において、「AI学習への利用禁止」や「利用範囲の限定」を明記する条項を入れる動きが加速しているようです。

そして何より大切なのは、AIを利用する側の倫理観です。「特定の誰かの声」に似せたモデルを作る場合は必ず本人の許諾を得ること、そして生成したコンテンツには「AI生成」であることを明示する透明性が求められます。便利な技術だからこそ、使う側のモラルが問われているんですね。

この先どうなる？将来展望

この「声の権利」とAIの問題、今後はどうなっていくのでしょうか。世界のAI音声クローニング市場は、2030年には数千億円規模に達すると予測されているほど成長著しい分野です。このまま放置されることはないでしょう。

法整備とビジネスモデルの変化

まず、法整備の議論は避けられません。日本でも文化審議会などで議論が進められていますが、「声」をどのように保護の対象とするのか、具体的な法改正に向けた動きが活発化するはずです。

ビジネスの現場では、「共存」の道も模索され始めています。ただ禁止するだけでなく、声優事務所が公式にAI音声サービスと提携し、本人の許諾に基づいた高品質な「公式AI音声モデル」をライセンス販売するような形です。これなら、声優側にも新たな収益源が生まれ、利用者も安心して使えるようになります。声優が自身の声を「資産」として管理・運用する時代が来るかもしれません。

他分野への応用アイデア

今回取り上げた音声AI技術や権利保護の仕組みは、他の分野でも応用できそうです。mogucaのカテゴリに関連付けて考えてみました。

1. ライブ配信 × リアルタイム多言語AI音声

ライブ配信の分野では、配信者の声をリアルタイムで多言語化する技術に応用できるかもしれません。例えば、日本の配信者が日本語で話すと、その人の声質や話し方の特徴を維持したまま、AIが瞬時に英語や中国語に変換して発話するようなシステムです。これが実現すれば、言葉の壁を超えて海外のファンと直接コミュニケーションが取れるようになり、配信の可能性が大きく広がりますね。

2. Web制作 × 公式AI広報担当

Web制作の分野では、企業の広報担当者や社長の声を「公式AIモデル」化して活用するアイデアはどうでしょうか。WebサイトのFAQ（よくある質問）や製品説明のページで、テキストを読むだけでなく、ボタン一つで「いつものあの人の声」で読み上げてくれる機能です。テキストだけよりも親近感が湧きますし、視覚障害者の方へのアクセシビリティ向上にもつながります。もちろん、この場合はしっかりとした契約と許諾に基づいた運用が大前提になります。

まとめ

今回は、声優の声が無断でAIモデル化される問題について調べてみました。技術の進化は本当にワクワクするものですが、その裏で法整備が追いつかず、クリエイターの権利が脅かされている現状があることも忘れてはいけませんね。

僕たちユーザーにできることは、まずこの現状を知ること。そして、ネットで流れてくる「推しの声」のコンテンツを楽しむときに、「これはご本人の仕事なのかな？それともAIなのかな？」と、少しだけ意識してみることかもしれません。便利な道具が、誰も傷つけずに発展していく未来を願いたいです。