Tranh cãi khi AI có thể hát bằng giọng của nghệ sĩ

Nhưng phía sau câu chuyện về một ca khúc dùng giọng hát do AI tạo ra là vấn đề lớn hơn là khi thuật toán “học” hàng nghìn bản thu của một ca sĩ để tái tạo âm sắc, cách nhả chữ và biểu cảm của họ, rồi dùng giọng ấy tạo ra bài hát mới, đó là sáng tạo bằng công nghệ hay một dạng chiếm đoạt tài sản và danh tính kĩ thuật số?

Từ bản cover giọng của nghệ sĩ Madonna đến “hàng rào” AI của Australia

Quyết định của Australian Recording Industry Association (ARIA) đánh dấu một bước ngoặt đáng chú ý trong cách ngành công nghiệp âm nhạc phản ứng với AI. Từ tuần tới, các ca khúc được tạo hoàn toàn bằng AI sẽ không còn đủ điều kiện vào ARIA Charts hoặc tranh giải ARIA. Những sản phẩm có sử dụng AI nhưng vẫn “chủ yếu do con người tạo ra” vẫn có thể được xét, với điều kiện con người là tác giả và thực hiện phần giọng hát chính, nhạc cụ chủ đạo.

Cuộc tranh luận bùng lên sau bản Like a Prayer của DJ Josh Fawaz. Ca khúc sử dụng giọng hát và trống được tạo bằng AI, từng lên vị trí số 2 trên bảng xếp hạng đĩa đơn của ARIA và nằm trong top 20 suốt 16 tuần. Điều đáng chú ý là yếu tố AI chỉ được bổ sung vào thông tin phát hành sau khi ca khúc đã đạt thành công đáng kể.

CEO ARIA Annabelle Herd cho rằng một bảng xếp hạng trao phần thưởng cho sản phẩm AI không được cấp phép sẽ làm suy yếu chính nền tảng của ngành công nghiệp thu âm mà tổ chức này đại diện.

Nhà soạn nhạc và giảng viên Alexis Weaver thuộc Sydney Conservatorium of Music nhìn nhận đây là một vấn đề “đặc biệt phức tạp và giàu cảm xúc” đối với giới nhạc sĩ. Bà ủng hộ động thái của ARIA vì cho rằng nó gửi đi thông điệp rằng sáng tạo của con người cần được ưu tiên và coi trọng. Tuy nhiên, Weaver không cho rằng âm nhạc phải quay lưng với AI. Theo bà, nghệ sĩ vẫn có thể sử dụng các công cụ AI miễn là họ “cầm lái” và giữ những quyết định sáng tạo chính.

Điều đó mở ra một ranh giới khó xác định: AI hỗ trợ nghệ sĩ ở đâu và AI bắt đầu thay thế nghệ sĩ ở đâu? Và nếu vấn đề chỉ dừng ở việc một bài hát được tạo bằng AI, cuộc tranh luận có lẽ chưa đến mức phức tạp. Phần khó hơn nằm ở chính giọng hát.

Thuật toán có thể học giọng của nghệ sĩ, nhưng có được quyền sử dụng nó?

AI Voice Cloning không đơn giản là lấy một đoạn ghi âm rồi phát lại. Các mô hình hiện đại có thể phân tích những đặc điểm rất nhỏ của giọng nói, từ âm sắc, cao độ, phát âm, nhịp điệu đến cách xử lí cảm xúc, sau đó tạo ra một giọng tổng hợp mới có thể hát hoặc nói những câu mà người thật chưa từng thu âm.

Một nghiên cứu kĩ thuật công bố tháng 8/2026 cho thấy công nghệ voice cloning đang tiến rất nhanh: Một mô hình mới có thể tạo giọng của một người dựa trên một đoạn ghi âm tham chiếu tương đối ngắn, với độ tương đồng giọng nói vượt qua nhiều hệ thống voice-cloning trước đó trong các thử nghiệm. Một nghiên cứu tổng quan khác cũng cảnh báo khả năng tạo giọng ngày càng chân thực đang khiến việc phát hiện giọng tổng hợp trở nên khó khăn hơn, đồng thời mở rộng nguy cơ giả mạo và đánh cắp danh tính.

Nhưng điều khiến giới nghệ sĩ lo ngại không chỉ là khả năng công nghệ. Đó là nguồn nguyên liệu để AI học. Muốn tạo một bản sao thuyết phục của một ca sĩ, hệ thống cần dữ liệu về chính giọng hát của người đó. Với những nghệ sĩ nổi tiếng, dữ liệu này có thể là hàng nghìn giờ thu âm đã tồn tại trên album, radio, truyền hình, YouTube hay các nền tảng trực tuyến.

Vậy nếu thuật toán “nuốt” kho dữ liệu ấy để học cách hát giống một nghệ sĩ, sau đó tạo ra những bài hát mới mà nghệ sĩ không hề tham gia, điều gì thực sự đã bị lấy đi? Đây là nơi khái niệm “trộm cắp tài sản kĩ thuật số” trở nên hấp dẫn nhưng cũng cần được sử dụng thận trọng.

Chuyên gia luật sở hữu trí tuệ Andres Guadamuz từng đặt câu hỏi trực tiếp về vấn đề này trong nghiên cứu "Do you own your own voice? The challenges of voice cloning and intellectual property" hồi năm ngoái. Theo ông, bản thân giọng người không đương nhiên được bảo vệ bởi luật bản quyền; trong khi một số hệ thống pháp luật lại thiếu hẳn một quyền riêng đối với “hình ảnh” hay “độ giống” của một cá nhân.

Điều này tạo ra một nghịch lí. Một bản thu âm của nghệ sĩ có thể được bảo hộ, nhưng “giọng” của nghệ sĩ lại không nhất thiết là một tài sản có thể sở hữu theo cùng cách. Vì vậy, một AI có thể không sao chép nguyên bản thu A mà chỉ học hàng nghìn bản thu của nghệ sĩ rồi tạo ra bản thu B. Nếu bản B hoàn toàn mới, luật bản quyền truyền thống sẽ khó trả lời liệu có hành vi sao chép hay không.

Nhưng với nghệ sĩ, sự khác biệt ấy đôi khi không có nhiều ý nghĩa. Công chúng nghe bản thu mới và tin rằng chính người nghệ sĩ đang hát. Đó là lí do Voice Cloning có thể cần được nhìn từ một khung khác: quyền đối với danh tính và hình ảnh của con người, thay vì chỉ quyền tác giả.

Những hình ảnh khó phân biệt giữa Madonna và con gái Lourdes

Madonna tự tay làm phim về cuộc đời mình

Bản quyền và quyền được kiểm soát danh tính

Một trong những vấn đề nguy hiểm nhất của AI Voice Cloning là nó có thể biến “danh tính âm thanh” của một nghệ sĩ thành một thứ có thể được khai thác thương mại mà không cần người đó xuất hiện.

Một công ty có thể tạo ca khúc bằng giọng một ca sĩ nổi tiếng. Một nhà quảng cáo có thể dùng giọng ấy để giới thiệu sản phẩm. Một người dùng mạng xã hội có thể tạo bài hát mới rồi khiến công chúng tưởng nghệ sĩ đã tham gia. Trong tất cả các trường hợp này, câu hỏi không nhất thiết là “bản ghi nào đã bị sao chép?”, mà là “ai có quyền quyết định giọng của tôi được dùng để nói hoặc hát điều gì?”

Guadamuz từng chỉ ra rằng Anh hiện không có một quyền pháp định riêng bảo vệ “voice likeness”; bản thân giọng nói cũng không phải đối tượng được copyright bảo vệ. Các quyền của người biểu diễn có thể cung cấp một số lớp bảo vệ nhưng vẫn để lại khoảng trống khi công nghệ chuyển một màn trình diễn đã được ghi âm thành một giọng nhân tạo mới. Chính khoảng trống này khiến cuộc tranh luận về dữ liệu huấn luyện trở nên quan trọng.

Ed Newton-Rex, CEO của Fairly Trained và một trong những tiếng nói nổi bật về quyền của giới sáng tạo trước AI, cho rằng cơ hội kinh tế của AI không nằm ở việc khai thác công sức cả đời của các nhà sáng tạo mà không xin phép. Ông ủng hộ một mô hình trong đó dữ liệu sáng tạo được cấp phép thay vì mặc nhiên bị coi là nguồn nguyên liệu miễn phí cho AI.

Quan điểm này đặc biệt đáng chú ý với Voice Cloning. Nếu một nghệ sĩ có thể cho phép sử dụng giọng của mình để tạo ra “bản sao kĩ thuật số”, vấn đề sẽ chuyển từ cấm hay không cấm sang ai cấp phép, cấp phép cho mục đích gì và được trả bao nhiêu.

Khi đó, giọng hát có thể trở thành một dạng tài sản thương mại mới. Nói cách khác, nghệ sĩ sở hữu hoặc kiểm soát một mô hình giọng của chính mình, cho phép hãng thu âm sử dụng trong những điều kiện nhất định và nhận tiền mỗi khi bản sao kĩ thuật số được khai thác.

Nhưng nếu mô hình ấy được tạo ra mà không có sự đồng ý, câu chuyện lại khác. Không nhất thiết phải gọi đó là “trộm cắp” theo nghĩa pháp lí hiện hành. Chính xác hơn, đó có thể là sự chiếm dụng danh tính âm thanh, một dạng khai thác giá trị thương mại của một cá nhân mà luật hiện nay chưa phải lúc nào cũng đủ công cụ để xử lí.

Động thái của Australia vì thế chỉ là bước đầu. ARIA đang dựng một ranh giới cho bảng xếp hạng là tác phẩm phải “chủ yếu do con người tạo ra”. Nhưng câu hỏi lớn hơn vẫn nằm phía trước là nếu một bài hát do con người viết, con người sản xuất, nhưng ca sĩ trong đó là một bản sao AI của một người thật thì nó còn là màn trình diễn của con người hay không?

Bùi Tú