با گسترش روزافزون کاربردهای هوش مصنوعی در صنعت رسانه، صداهای تولیدشده توسط الگوریتمها بهتدریج جای خود را در تولیدات صوتی و محتوای دیجیتال باز کردهاند؛ روندی که در نگاه نخست، مزایایی همچون سرعت بالا و صرفهجویی اقتصادی را به همراه دارد. با این حال، کارشناسان و فعالان حوزه صدا و گویندگی نسبت به پیامدهای انسانی و ارتباطی این تحول هشدار میدهند. سامان کجوری، گوینده و صداپیشه، معتقد است صدا صرفاً یک خروجی فنی نیست، بلکه حاصل تعامل ذهن، احساس و تجربه زیسته انسان است؛ عنصری که هنوز در صداهای ماشینی بازآفرینی نشده و نقش تعیینکنندهای در اثرگذاری و اعتماد مخاطب ایفا میکند.
سامان کجوری در گفت و گو با خبرنگار ایرنا اظهار داشت: همزمان با توسعه کاربردهای هوش مصنوعی در حوزههای مختلف، استفاده از صداهای تولیدشده توسط الگوریتمها در برخی تولیدات رسانهای و محتوای دیجیتال افزایش یافته؛ موضوعی که در کنار مزایایی مانند سرعت و کاهش هزینه، نگرانیهایی درباره کیفیت ارتباط انسانی و باورپذیری پیام ایجاد کرده است.
وی افزود: صدا حاصل تعامل همزمان ذهن، بدن، احساس و تجربه زیسته انسان است و نمیتوان گویندگی را صرفاً به تولید صوت یا بازتولید الگوهای فنی تقلیل داد. آنچه به صدا معنا و اثرگذاری میبخشد، درک انسانی از متن و ارتباط زنده با مخاطب است.
کجوری با اشاره به ویژگیهای اجرای حرفهای تصریح کرد: گوینده انسانی هرگز یک متن را با الگوی ثابت و تکرار شونده، اجرا نمیکند. تغییر لحن، ریتم(ضرباهنگ)، شدت صدا و مکثها بسته به مفهوم جملات، متفاوت است و همین انعطافپذیری، اجرای انسانی را از صداهای ماشینی متمایز میکند.
این گوینده و صداپیشه یکی از تفاوتهای اصلی میان صدای انسانی و صدای تولیدشده توسط هوش مصنوعی را «احساس» دانست و گفت: احساس در گویندگی از پیش برنامهریزی نمیشود و در لحظه، متناسب با محتوا، فضا و مخاطب شکل میگیرد؛ موضوعی که با وجود پیشرفتهای فناورانه، هنوز بهطور کامل قابل بازآفرینی نیست.
کجوری با نگاهی رسانهای تأکید کرد: گرایش به استفاده از هوش مصنوعی در گویندگی اغلب با هدف افزایش سرعت تولید و کاهش هزینهها انجام میشود، اما در بلندمدت میتواند به کاهش اعتماد مخاطب منجر شود. چراکه شنونده حتی بهصورت ناخودآگاه تفاوت میان صدای انسانی و صدای ماشینی را تشخیص میدهد.
وی اذعان داشت: هوش مصنوعی میتواند بهعنوان ابزاری کمکی در فرآیند تولید محتوا مورد استفاده قرار گیرد اما جایگزین کامل گویندگی و اجرای انسانی نخواهد شد. هرچه فناوری پیشرفتهتر میشود، نیاز مخاطب به صدای زنده و باورپذیر انسانی بیش از گذشته احساس می شود.
