hangklónozás

angolul: voice cloning

alapelterjedt

A hangklónozás olyan mesterségesintelligencia-eljárás, amely egy ember hangjáról készült rövid felvétel alapján bármilyen szöveget az ő hangján szólaltat meg.

Érthetően

Képzeld el a hangutánzó parodistát, aki néhány perc hallgatás után bárkit megszólaltat. A hangklónozás ugyanezt csinálja géppel: egy rövid felvételből megtanulja a hangszínedet, a hanglejtésedet és a beszédtempódat, aztán olyan mondatokat mond ki a hangodon, amelyeket soha nem mondtál el.

Sok hasznos dologra jó. Hangoskönyvet lehet vele készíteni a szerző hangján, filmet szinkronizálni úgy, hogy a színész saját hangja szólal meg más nyelven, és vissza lehet adni a hangját annak, aki betegség miatt elveszítette.

A hagyományos gépi felolvasó egy előre elkészített, „senkihez sem tartozó” hangon beszél. A hangklón egy konkrét, létező ember hangját másolja, ezért értékes, és ezért veszélyes is: csalásra és megtévesztésre ugyanúgy használható.

Hogyan működik

A rendszert előzetesen rengeteg ember sok ezer órányi beszédén tanítják be, így általánosságban megtanulja, hogyan épül fel az emberi hang.
Kap egy mintát a célszemély hangjából. A mai eszközöknek ehhez néhány másodperc vagy néhány perc felvétel is elég.
A mintából „hanglenyomatot” készít: egy számsort, amely leírja a hangszínt, a hangmagasságot, a ritmust és a jellegzetes kiejtést.
Amikor beírsz egy szöveget, a modell a hanglenyomat alapján állítja elő a beszédet, hangsúlyokkal, szünetekkel, akár érzelmi színezettel.
A fejlettebb rendszerek ezt valós időben is tudják, vagyis élő telefonhívás közben alakítják át a beszélő hangját valaki máséra.

Példa a mindennapokból

Felhív az „unokád” vagy a „gyereked” sírós hangon, hogy balesetet szenvedett, és azonnal pénzt kell utalnod. A hang megszólalásig hasonlít, pedig csalók állították elő egy közösségi médiába feltöltött videó hangsávjából. Ilyenkor tedd le, és hívd vissza az illetőt az ismert számán.

Kit érint

mindenkiBárkinek lemásolható a hangja, akiről van nyilvános videó vagy hangfelvétel, és bárkit felhívhatnak egy ismerőse klónozott hangján.

banki ügyfél, befektetőA csalók klónozott hanggal adják ki magukat hozzátartozónak, banki ügyintézőnek vagy cégvezetőnek, hogy utalásra vegyenek rá valakit, és a hangalapú azonosítás is kijátszhatóvá vált. → Pénz

marketingesReklámhangot, szinkront és többnyelvű videót gyorsan és olcsón lehet vele készíteni, de csak a hang tulajdonosának kifejezett hozzájárulásával. A gyakorlatban ez szerződésben rögzített engedélyt jelent. → Marketing

jogász, állampolgárA hangfelvétel személyes adat, a saját hang pedig a személyiségi jogok része, ezért az engedély nélküli klónozás főszabály szerint jogsértő. A hangfelvétel bizonyító ereje is megkérdőjelezhetővé vált. → Jog

Gyakori félreértés

TévhitHangklónt csak profik tudnak készíteni, hosszú stúdiófelvételekből.

ValójábanMa már néhány másodpercnyi, telefonnal rögzített hang is elég hozzá, és bárki számára elérhető, olcsó vagy ingyenes online eszközökkel megcsinálható.

Korlátok és kockázatok

Füllel egyre kevésbé lehet megkülönböztetni az eredetitől, ezért ne a hang alapján dönts: gyanús kérésnél hívd vissza az illetőt, vagy beszéljetek meg a családban egy titkos jelszót.
A hamis hangot felismerő programok nem megbízhatók, főleg zajos, tömörített telefonos felvételnél, így a „detektor szerint valódi” nem bizonyíték.
Más hangját főszabály szerint csak az ő kifejezett hozzájárulásával klónozhatod. Enélkül jogsértést követhetsz el, akkor is, ha viccnek szántad.
A magyar nyelvű klónok minősége sokat javult, de a hangsúlyozás, a ritka szavak és az erős érzelmek még gyakran elárulják a gépet.

Hasonló, de nem ugyanaz

beszédszintézis – A beszédszintézis bármilyen gépi hangon felolvas egy szöveget, a hangklónozás viszont egy konkrét, létező ember hangját utánozza.
deepfake – A deepfake megtévesztő célú hamisítvány, amely kép, videó vagy hang is lehet. A hangklónozás maga csak technika, amelyet jogszerű célra is használnak. Hang-deepfake akkor lesz belőle, ha valakit megtévesztenek vele.
beszédfelismerés – A beszédfelismerés az elhangzott beszédből készít szöveget, a hangklónozás fordítva, szövegből állít elő beszédet valakinek a hangján.

Kapcsolódó fogalmak

Tágabb

generatív mesterséges intelligencia, szintetikus média, beszédszintézis

Szűkebb

valós idejű hangátalakítás, audio deepfake, AI-szinkron

Rokon

deepfake, beszédfelismerés, vízjelezés, adathalászat, hangalapú agent

Röviden a története

A mai hangklónozás alapját a neurális beszédszintézis teremtette meg, amelynek mérföldköve a DeepMind 2016-ban bemutatott WaveNet modellje volt. 2019-ben már ismert lett egy csalás, amelyben egy cégvezető klónozott hangjával csaltak ki pénzt. 2023-ban a Microsoft VALL-E nevű kutatási modellje megmutatta, hogy egy hárommásodperces mintából is utánozható valakinek a hangja.

Hol tart most

2026 végén a hangklónozás tömegtermék: fogyasztói alkalmazásokban, szinkronstúdiókban és telefonos AI-agentekben egyaránt jelen van, a vele elkövetett csalás pedig mindennapos. Az EU mesterségesintelligencia-rendelete (50. cikk) előírja, hogy a gépileg előállított hangot géppel felismerhetően jelölni kell, a hang-deepfake-et pedig közölni kell a hallgatóval. Ezek a szabályok 2026-tól alkalmazandók, a betartatásuk azonban még kezdeti szakaszban van.

Állapot: 2026. november

A hírekben

16 Agent Age-sztoriban fordul elő; a görbe a hírmagazin heti előfordulása.

Hatóságok és médiumok figyelmeztetnek az AI-hangklónozásos csalásokra2026. nov. 2. · Pénz
Hangklónozásos és hamis webshopos AI-csalások célozzák a lakossági ügyfeleket2026. okt. 19. · Pénz
Deepfake-es vezetői csalások: 95 milliós veszteség, FBI-adat, INTERPOL és KeyBank figyelmeztetés2026. okt. 19. · Pénz
Bankok az AI-hangklónozás elleni ügyfélbizalomért: SBI-figyelmeztetés és hívásvédelem2026. okt. 12. · Pénz
Litván törvényhozók jogi védelmet javasolnak az AI-hangklónozás ellen2026. okt. 12. · Jog
Hangklónozással és deepfake-kel 95 millió eurót csaltak ki egy olasz banktól2026. okt. 5. · Pénz
Hangklónozásos átverések: tanácsok a lakossági ügyfeleknek és új, AI-s csaló módszerek2026. okt. 5. · Pénz
A dubaji rendőrség: három másodpercnyi hang elég a hangklónozáshoz, pénzügyi csalásokra figyelmeztet2026. okt. 3. · Pénz

Más nevei

hangklónozás · hangklón · hangmásolás · AI-hangklón · voice cloning · voice clone · audio deepfake · hang-deepfake

Források

Wang et al. (2023): Neural Codec Language Models are Zero-Shot Text to Speech Synthesizers (VALL-E)

A szócikk gépi szerkesztéssel készült és gépi szakmai lektoráláson ment át; a „hírekben” rész az Agent Age sztorijaiból automatikusan frissül.