The Voiceprint Fallacy: Why Voices Are Not Unique Biometric Imprints

Stellen Sie sich vor, Sie versuchen, einen Freund in einem überfüllten, lauten Raum zu identifizieren. Sie können sein Gesicht nicht sehen, aber Sie hören, wie er Ihren Namen ruft. Ihr Gehirn erkennt seine Stimme sofort, richtig? Es fühlt sich an wie ein magischer Schlüssel, ein einzigartiger Fingerabdruck aus Klang, der nur ihm gehört. Lange Zeit glaubten Wissenschaftler und Kriminaldetektive, dass die Stimme genau so funktionierte: dass jeder Mensch einen permanenten, unveränderlichen „Stimmabdruck“ in seiner Kehle verborgen hat, genau wie die Linien auf einem Finger. Diese Idee schien so logisch, dass sie in Gesetze geschrieben und in Gerichtssälen verwendet wurde, um Verbrecher zu fassen. Aber hier kommt die Wendung: Stimmen sind keine statischen Stempel oder festen Abdrücke. Sie sind eher wie ein lebendiger, atmender Fluss, der seine Form je nach Wetter, Gelände und der Stimmung des Wassers verändert. Wenn man einen Fluss wie eine gefrorene Statue behandelt, wird man eine falsche Vorstellung davon bekommen, was durch ihn fließt. Dies ist das große Problem der alten „Stimmabdruck“-Theorie, und es ist die Hauptgeschichte eines neuen Papers, das die Angelegenheit klären will.

Das Paper mit dem Titel „The Voiceprint Fallacy“ argumentiert, dass die Idee eines „Stimmabdrucks“ ein wissenschaftlicher Mythos ist. Es erklärt, dass Ihre Stimme zwar Hinweise darauf gibt, wer Sie sind, aber kein einzigartiges, unveränderliches Merkmal ist. Stattdessen ist Ihre Stimme ein chaotisches, kompliziertes Gemisch aus Ihrem Körper, Ihrer Stimmung, Ihrer Gesundheit, dem, was Sie sagen, und sogar dem Mikrofon, das Sie aufnimmt. Die Autoren, ein Team aus Linguisten und Informatikern, zeigen, dass es gefährlich ist, eine Stimme wie einen Fingerabdruck zu behandeln, weil dies all die Arten ignoriert, wie sich eine Stimme verändern kann. Sie schlagen vor, dass wir aufhören sollten, nach einem perfekten „Match“ zu suchen, und statannd beginnen sollten, eine intelligentere, ehrlichere Art zu nutzen, um Stimmen zu vergleichen, die Unsicherheit zulässt und all die verschiedenen Gründe berücksichtigt, warum zwei Stimmen ähnlich klingen könnten.

Der große Stimmabdruck-Schwindel

Warum hat also alle an den Stimmabdruck geglaubt? Es begann alles mit einem coolen Stück Technologie namens Spektrograph. Stellen Sie sich eine Maschine vor, die Schallwellen in ein farbenfrohes Bild verwandelt, so ähnlich wie eine Partitur, aber für die gesamte Stimme. In den 1960er Jahren sah ein Mann namens Lawrence Kersta diese Bilder an und sagte: „Hey, die sehen ja aus wie Fingerabdrücke! Wenn wir Menschen anhand ihrer Fingerlinien identifizieren können, können wir das auch mit diesen Klangbildern tun.“ Er behauptete, seine Methode sei zu 99,65 % genau. Gerichte begannen, dieses „Stimmabdruck“-Beweismittel zuzulassen, in dem Glauben, es sei so solide wie Gold.

Aber das Paper weist darauf hin, dass dies ein riesiger Fehler war. Die Autoren erklären, dass die Idee des „Stimmabdrucks“ ein Trugschluss (Fallacy) ist – ein Trick des Verstandes. Sie nimmt etwas Komplexes und Veränderliches (Ihre Stimme) und tut so, als wäre es etwas Einfaches und Festes (einen Stempel). Das Paper argumentt, dass diese Metapher nicht nur falsch, sondern gefährlich ist. Wenn man eine Stimme wie einen Fingerabdruck behandelt, ignoriert man die Tatsache, dass sich die Stimme jedes Mal verändert, wenn man spricht.

Ihre Stimme ist ein Chamäleon, kein Stempel

Betrachten Sie Ihre Stimme nicht als eine einzelne Note auf einem Klavier, sondern als ein Chamäleon. Ein Chamäleon ändert seine Farbe basierend auf seiner Umgebung, seiner Stimmung und dem, was es frisst. Ihre Stimme macht genau dasselbe. Das Paper bricht all die Gründe herunter, warum Ihre Stimme nie zweimal dieselbe ist:

• Die Stimmungsschwankung: Wenn Sie wütend, traurig oder aufgeregt sind, klingt Ihre Stimme völlig anders. Wenn Sie müde oder krank sind, verändert sie sich wieder. Selbst wenn man nur dehydriert ist, kann das die Stimme rauer machen.
• Das Skript: Wie man etwas sagt, spielt eine Rolle. Wenn Sie ein Skript vorlesen, mit einem Baby sprechen oder über einen lauten Ventilator schreien, schaltet Ihre Stimme einen Gang um. Sie sprechen vielleicht langsamer, lauter oder mit einer anderen Tonhöhe, nur um verstanden zu werden.
• Der Alterungsprozess: Im Gegensatz zu Ihren Fingerabdrücken, die Ihr ganzes Leben lang gleich bleiben, verändert sich Ihre Stimme, während Sie heranwachsen, altern oder durch hormonelle Veränderungen gehen. Eine Stimme, die aufgenommen wurde, als Sie 20 waren, wird nicht exakt so klingen wie Ihre Stimme mit 60.
• Die Maske: Menschen können ihre Stimme sogar absichtlich verändern! Sie können flüstern, einen Akzent vortäuschen oder versuchen, wie jemand anderes zu klingen. Das Paper stellt fest, dass man zwar nicht alles ändern kann, aber genug, um sowohl Menschen als auch Computer zu täuschen.

Aufgrund all dieser Veränderungen kann dieselbe Person in zwei verschiedenen Aufnahmen sehr unterschiedlich klingen. Und hier ist der beängstigende Teil: Zwei verschiedene Personen können manchmal überraschend ähnlich klingen, besonders wenn sie unter unterschiedlichen Bedingungen aufnehmen oder verschiedene Wörter sprechen.

Der Computer-„Stimmabdruck“ ist auch keine Magie

Sie denken vielleicht: „Okay, aber Computer sind schlau. Sie müssen den echten Stimmabdruck gefunden haben.“ Das Paper sagt: „Nicht so schnell.“ Moderne Computer nutzen komplexe Mathematik, um Stimmen in digitale Codes (genannt „Embeddings“) umzuwandeln. Es stimmt, dass diese Computer gut darin sind, Stimmen voneinander zu unterscheiden, aber sie finden keinen magischen, unveränderlichen Ausweis.

Das Paper erklärt, dass diese Computercodes eigentlich eine Mischung aus allem sind: wer spricht, was gesagt wird, die Hintergrundgeräusche und sogar die Art des verwendeten Mikrofons. Wenn Sie dieselbe Person mit einem billigen Telefon gegenüber einem Studio-Mikrofon aufnehmen, könnte der Computer denken, es sei eine andere Person. Der Computer sieht keinen „Stimmabdruck“; er sieht eine Momentaufnahme eines spezifischen Augenblicks. Die Autoren warnen davor, dass nur weil ein Computer einen hohen Wert ausgibt, der besagt „dies passt zusammen“, das nicht bedeutet, dass es eine perfekte, unveränderliche Wahrheit ist. Es bedeutet nur, dass die beiden Aufnahmen unter diesen spezifischen Bedingungen ähnlich aussehen.

Die Deepfake-Gefahr

Das Paper spricht auch über ein neues, beängstigendes Problem: Deepfakes. Das ist, wenn KI (Künstliche Intelligenz) gefälschte Audioaufnahmen erstellt, die exakt wie eine echte Person klingen. Die Autoren geben Beispiele für Kriminelle, die KI nutzen, um Menschen dazu zu bringen, Millionen von Dollar zu überweisen, indem sie wie ihre Chefs klingen.

Hier ist der Clou: Das Paper sagt, selbst wenn ein Deepfake zu 100 % wie Ihr Freund klingt, bedeutet das nicht, dass Ihr Freund es ausgesprochen hat. Die alte „Stimmabdruck“-Idee geht davon aus, dass, wenn es wie Sie klingt, es auch wirklich Sie sein muss. Aber mit Deepfakes wird diese Regel gebrochen. Eine gefälschte Stimme kann wie eine echte Person klingen, ohne dass diese Person jemals den Mund geöffnet hat. Dies beweist, dass eine „Stimme“ kein einzigartiger Fingerabdruck ist; sie ist nur ein Muster aus Klang, das kopiert werden kann.

Was sollten wir stattdessen tun?

Wenn der Stimmabdruck also ein Mythos ist, wie lösen wir dann Verbrechen oder überprüfen Identitäten? Das Paper sagt nicht: „Hört auf, Stimmen zu benutzen.“ Es sagt: „Hört auf, die falschen Regeln zu benutzen.“

Anstatt zu fragen: „Passen diese zwei Stimmen perfekt zusammen?“ (was unmöglich ist), schlagen die Autoren vor, zu fragen: „Wie wahrscheinlich ist es, dass diese Stimme von Person A stammt, im Vergleich zu Person B, unter Berücksichtigung aller Veränderungen und Bedingungen?“

Sie wollen, dass wir ein System verwenden, das Unsicherheit zulässt. Stellen Sie sich einen Detektiv vor, der sagt: „Basierend auf den Beweisen ist es sehr wahrscheinlich, dass diese Stimme zum Verdächtigen gehört, aber wir müssen berücksichtigen, dass die Aufnahme schlecht war, der Verdächtige krank war und KI es gefälscht haben könnte.“ Dies wird als „probabilistischer“ Ansatz bezeichnet. Es ist wie zu sagen: „Es gibt eine 90-prozentige Chance, dass dies die richtige Person ist“, anstatt zu sagen: „Das ist definitiv die richtige Person.“

Das Fazit

Die wichtigste Erkenntnis dieses Papers ist einfach, aber kraftvoll: Stimmen sind keine Fingerabdrücke. Sie sind chaotisch, veränderlich und voller Überraschungen. Die Idee eines „Stimmabdrucks“ ist ein gefährlicher Mythos, der uns zu sehr von unseren Schlussfolgerungen überzeugt macht.

Die Autoren empfehlen, das Wort „Stimmabdruck“ in Gesetzen und der Wissenschaft nicht mehr zu verwenden, weil es uns vorgaukelt, Stimmen seien feste Stempel. Stattdessen sollten wir Stimmenbeweise wie ein Puzzle mit fehlenden Teilen behandeln. Wir müssen alle Hinweise betrachten – die Stimmung, die Gesundheit, die Aufnahmequalität und sogar die Möglichkeit von KI-Fälschungen – und eine vorsichtige, ehrliche Vermutung darüber anstellen, wer spricht. Indem wir dies tun, hören wir auf, so zu tun, als hätten wir einen magischen Schlüssel, und beginnen, eine viel intelligentere, zuverlässigere Art des Zuhörens anzuwenden.