কণ্ঠ নকল: পরিচিত গলায় অচেনা কথা কীভাবে শোনায়?

অচেনা নম্বর থেকে ফোন এল, অথচ গলাটা আপনার পরিচিত একজনের মতো। ওপাশের মানুষ বলছে জরুরি কারণে এখনই টাকা পাঠাতে হবে। এমন ঘটনা ঘটলে আগে গল্পটি যাচাই করুন। স্বর চেনা মনে হওয়া স্বাভাবিক, কিন্তু আধুনিক প্রযুক্তির যুগে কেবল গলার আওয়াজ পরিচয়ের চূড়ান্ত প্রমাণ নয়—কৃত্রিম বুদ্ধিমত্তা দিয়ে হুবহু তৈরি করা কৃত্রিম স্বরও সম্পূর্ণ আসল মনে হতে পারে। এটি কোনো কাল্পনিক বিষয় নয়, বরং সাইবার প্রতারকদের ব্যবহৃত এক বাস্তব কৌশল।

রেকর্ডিং থেকে নতুন বাক্য

কণ্ঠ নকলের প্রযুক্তি তৈরি করতে গবেষকেরা হাজার হাজার মানুষের ঘণ্টার পর ঘণ্টা কথপোকথনের অডিও রেকর্ডিং দিয়ে এআই মডেলকে প্রশিক্ষণ (Training) দেন। এতে লিখিত অক্ষর, মানুষের মুখের উচ্চারণ এবং স্বরের ওঠানামার গাণিতিক সম্পর্ক সফটওয়্যারটি শিখে নেয়। এরপর ব্যবহারের সময় কোনো নির্দিষ্ট মানুষের কয়েক সেকেন্ডের কণ্ঠের নমুনা এবং নতুন কোনো লিখিত বাক্য ইনপুট হিসেবে দেওয়া হয়। মডেলটি সেই নমুনার স্বরের কম্পাঙ্ক ও বৈশিষ্ট্যের ছাঁচ ধরে নতুন বাক্যের সম্পূর্ণ নতুন অডিও তৈরি (অডিও সিন্থেসিস বা Audio Synthesis) করে দেয়। কম্পিউটার মানুষের মুখ বা ফুসফুস দেখে না, সে কেবল শব্দের গাণিতিক তরঙ্গের অনুকরণ করে।

ধরুন, অনুমতি নিয়ে কোনো স্বজন সামাজিক মাধ্যমে কয়েক সেকেন্ডের একটি ভিডিও পোস্ট করেছেন। সেই ভিডিওর অডিও থেকে তাঁর গলার স্বর ও কথা বলার নিজস্ব ভঙ্গি আলাদা করে নেওয়া সম্ভব। এবার প্রতারক যদি কোনো লিখিত বার্তায় লেখায় 'আমার বড় বিপদ, দ্রুত দশ হাজার টাকা পাঠাও', তবে এআই ব্যবস্থাটি সেই লেখাটিকে হুবহু ওই স্বজনের কণ্ঠের মতো শুনিয়ে অডিও ফাইল বানিয়ে ফেলতে পারে, যদিও তিনি নিজে কখনোই এই কথা বলেননি। প্রযুক্তি প্রতিষ্ঠান মাইক্রোসফটের (Microsoft) গবেষণা এমন কৃত্রিম কণ্ঠ তৈরির সম্ভাবনার বাস্তব প্রমাণ দেয়।

নমুনা কম হলে, পটভূমিতে শব্দ থাকলে অথবা নতুন বাক্যের ভাষা ও উচ্চারণ বদলালে ফল ভিন্ন হতে পারে। কিছু তৈরি অডিওতে অস্বাভাবিকতা শোনা যায়, কিছুতে নাও যেতে পারে। তাই “শ্বাসের শব্দ নেই”, “থামার ধরন অদ্ভুত” বা “একেবারে স্বাভাবিক শোনাচ্ছে”—কোনোটিকেই চূড়ান্ত পরিচয় পরীক্ষা বানানো যায় না। শোনা স্বর থেকে কথাটি সত্য, এমন সিদ্ধান্তও আসে না।

ব্যবহার আর অপব্যবহার

নিজের কণ্ঠ হারানো কারও জন্য চিকিৎসকের অনুমতি নিয়ে কৃত্রিম স্বর তৈরি করা এই প্রযুক্তির একটি দারুণ মানবিক ব্যবহার। অন্য দিকে একই প্রযুক্তি কারও অনুমতি ছাড়া তাঁর পরিচয় দেখিয়ে প্রতারণা করার কাজেও ব্যবহৃত হতে পারে। যুক্তরাষ্ট্রের ফেডারেল ট্রেড কমিশন (এফটিসি বা FTC) কৃত্রিম বুদ্ধিমত্তা দিয়ে কণ্ঠের ছাঁচ নকল করে পারিবারিক জালিয়াতি ও ব্যক্তিগত তথ্য চুরির মারাত্মক ঝুঁকির বিষয়ে সতর্কবার্তা জারি করেছে। উদ্দেশ্য ও সততা বদলালে প্রযুক্তির ব্যবহারও বদলে যায়; তাই প্রতিটি কৃত্রিম কণ্ঠকেই সরাসরি প্রতারণা বলা ঠিক নয়।

এখানে প্রশ্নটি শুধু কণ্ঠ কতটা মেলে তা নয়। প্রতারক আপনার নাম, স্বজনের নাম বা কোথায় থাকেন—এসব আগেই জেনে থাকতে পারে, ফলে গল্পটি আরও বিশ্বাসযোগ্য শোনায়। FTC জানায়, এমন তথ্য সামাজিক মাধ্যমে বা অন্য পথেও পাওয়া যেতে পারে। তাই ব্যক্তিগত খুঁটিনাটি ঠিক বললেও কলটিকে আসল ধরে টাকা পাঠাবেন না। স্বাধীনভাবে ফের যোগাযোগ করলে কণ্ঠ ও গল্প দুটোকেই পরীক্ষা করা যায়।

জরুরি টাকার অনুরোধে একটি বিষয় বিশেষভাবে খেয়াল করুন: কলকারী ভাবার সময় দিতে চাইছে কি না এবং অন্য কাউকে বলতে মানা করছে কি না। FTC পারিবারিক বিপদের নামে এমন চাপ দেওয়ার কৌশল নথিবদ্ধ করেছে। তবে চাপ না দিলেই অনুরোধ সত্য হয়ে যায় না। সবচেয়ে ভরসাযোগ্য পদক্ষেপ হলো কথা থামিয়ে নিজের আগে থেকে জানা নম্বরে সেই মানুষকে ফোন বা বার্তা দেওয়া।

ফোন না ধরলে আরেকজন বিশ্বস্ত স্বজন বা বন্ধুর সঙ্গে যোগাযোগ করুন। সন্দেহজনক কলে বলা নতুন নম্বর, পাঠানো লিংক বা টাকা পাঠানোর ঠিকানাকে যাচাইয়ের মাধ্যম বানাবেন না। ব্যক্তিগত স্মৃতি বা পারিবারিক সংকেত জানতে চাওয়া সহায়ক হতে পারে, তবে অন্য কারও জানা তথ্য ফাঁস হয়ে থাকতে পারে; তাই সেটি পরিচিত নম্বরে যোগাযোগের বিকল্প নয়।

যদি ইতিমধ্যে টাকা পাঠিয়ে থাকেন, দ্রুত যে ব্যাংক বা অর্থ পাঠানোর সেবা ব্যবহার করেছেন তার নিজস্ব সহায়তা চ্যানেলে যোগাযোগ করুন এবং লেনদেনের তথ্য সংরক্ষণ করুন। ফেরত পাওয়া যাবে এমন প্রতিশ্রুতি দেওয়া যায় না, তবে দ্রুত জানালে প্রতিষ্ঠানটি কী পদক্ষেপ সম্ভব তা বলতে পারবে। প্রয়োজনে স্থানীয় অভিযোগের পথও জেনে নিন।

কণ্ঠ নকলের মূল বিষয়টি হলো পুরোনো স্বরের নমুনা দিয়ে আগে না বলা নতুন বাক্যের কৃত্রিম আওয়াজ বানানো। তার মানে কোনো পরিচিত কণ্ঠ শুনলেই আতঙ্কিত হওয়ার দরকার নেই; টাকা, পরিচয় বা অন্য গুরুত্বপূর্ণ সিদ্ধান্তের আগে অনুরোধটি স্বাধীনভাবে যাচাই করা দরকার।