The Voiceprint Fallacy: Why Voices Are Not Unique Biometric Imprints

कल्पना कीजिए कि आप एक भीड़भाड़ वाले, शोर भरे कमरे में अपने किसी दोस्त को पहचानने की कोशिश कर रहे हैं। आप उनका चेहरा नहीं देख सकते, लेकिन आप उन्हें अपना नाम पुकारते हुए सुनते हैं। आपका मस्तिष्क तुरंत उनकी आवाज़ पहचान लेता है, है ना? यह एक जादुई चाबी की तरह महसूस होता है, ध्वनि से बना एक अनूठा फिंगरप्रिंट जो केवल उन्हीं का है। लंबे समय तक, वैज्ञानिक और पुलिस डिटेक्टिव मानते थे कि आवाज़ ठीक इसी तरह काम करती है: कि हर व्यक्ति के भीतर एक स्थायी, अपरिवर्तनीय "वॉइसप्रिंट" (आवाज़ का निशान) छिपा होता है, ठीक वैसे ही जैसे उंगलियों की लकीरें। यह विचार इतना तार्किक लग रहा था कि इसे कानूनों में लिखा गया और अपराधियों को पकड़ने के लिए अदालतों में इस्तेमाल किया गया। लेकिन यहाँ एक मोड़ है: आवाजें स्थिर स्टैम्प या निश्चित छाप नहीं हैं। वे एक जीवित, सांस लेती हुई नदी की तरह हैं जो मौसम, इलाके और पानी के मिजाज के आधार पर अपना आकार बदलती रहती हैं। यदि आप एक नदी के साथ एक जमी हुई मूर्ति जैसा व्यवहार करते हैं, तो आप गलत धारणा बना लेंगे कि उसमें क्या बह रहा है। यही पुराने "वॉइसप्रिंट" सिद्धांत के साथ बड़ी समस्या है, और यह उस नए शोध पत्र (पेपर) की मुख्य कहानी है जो इस मामले को सही करने के लिए आया है।

यह शोध पत्र, जिसका शीर्षक "द वॉइसप्रिंट फैलेसी" (The Voiceprint Fallacy) है, यह तर्क देता है कि "वॉइसप्रिंट" का विचार एक वैज्ञानिक मिथक है। यह बताता है कि हालांकि आपकी आवाज़ में आपके बारे में सुराग होते हैं, लेकिन यह एक अनूठा, अपरिवर्तनीय निशान नहीं है। इसके बजाय, आपकी आवाज़ आपके शरीर, आपके मूड, आपके स्वास्थ्य, आप क्या कह रहे हैं, और यहाँ तक कि आपको रिकॉर्ड करने वाले माइक्रोफ़ोन का एक जटिल और उलझा हुआ मिश्रण है। लेखक, जो भाषाविदों और कंप्यूटर वैज्ञानिकों की एक टीम है, बताते हैं कि आवाज़ को फिंगरप्रिंट की तरह मानना खतरनाक है क्योंकि यह उन सभी तरीकों को अनदेखा करता है जिनसे आवाज़ बदल सकती है। वे सुझाव देते हैं कि हमें एक पूर्ण "मैच" खोजने के बजाय, आवाज़ों की तुलना करने का एक स्मार्ट और अधिक ईमानदार तरीका अपनाना चाहिए जो अनिश्चितता को स्वीकार करता है और उन सभी विभिन्न कारणों पर विचार करता है जिनकी वजह से दो आवाजें एक जैसी लग सकती हैं।

महान वॉइसप्रिंट धोखा (The Great Voiceprint Hoax)

तो, आखिर सब लोग वॉइसप्रिंट में विश्वास क्यों करते थे? इसकी शुरुआत एक शानदार तकनीक से हुई जिसे स्पेक्ट्रोग्राफ (spectrograph) कहा जाता है। एक ऐसी मशीन की कल्पना करें जो ध्वनि तरंगों को एक रंगीन चित्र में बदल देती है, जो संगीत के स्कोर की तरह है लेकिन पूरी आवाज़ के लिए। 1960 के दशक में, लॉरेंस केर्स्टा नामक एक व्यक्ति ने इन चित्रों को देखा और कहा, "हे, ये बिल्कुल उंगलियों के निशान जैसे दिखते हैं! यदि हम उंगलियों की लकीरों से लोगों की पहचान कर सकते हैं, तो हम इन ध्वनि चित्रों से भी ऐसा कर सकते हैं।" उन्होंने दावा किया कि उनकी विधि 99.65% सटीक थी। अदालतों ने इस "वॉइसप्रिंट" साक्ष्य को स्वीकार करना शुरू कर दिया, यह सोचकर कि यह सोने की तरह ठोस है।

लेकिन यह शोध पत्र बताता है कि यह एक बहुत बड़ी गलती थी। लेखक समझाते हैं कि "वॉइसप्रिंट" का विचार एक भ्रम (fallacy) है—मन का एक छल। यह एक जटिल, परिवर्तनशील चीज़ (आपकी आवाज़) को लेता है और उसे एक सरल, स्थिर चीज़ (एक स्टैम्प) होने का ढोंग करता है। पेपर का तर्क है कि यह रूपक न केवल गलत है, बल्कि खतरनाक भी है। जब आप आवाज़ को फिंगरप्रिंट की तरह मानते हैं, तो आप इस तथ्य को अनदेखा कर देते हैं कि आपकी आवाज़ हर बार बोलने पर बदल जाती है।

आपकी आवाज़ एक गिरगिट है, स्टैम्प नहीं

अपनी आवाज़ को पियानो के एक एकल स्वर के रूप में नहीं, बल्कि एक गिरगिट के रूप में सोचें। एक गिरगिट अपने परिवेश, अपने मूड और अपने भोजन के आधार पर अपना रंग बदलता है। आपकी आवाज़ भी बिल्कुल यही करती है। पेपर उन सभी कारणों का विवरण देता है कि आपकी आवाज़ दो बार एक जैसी क्यों नहीं होती:

• मूड का बदलाव: यदि आप क्रोधित, दुखी या उत्साहित हैं, तो आपकी आवाज़ पूरी तरह से अलग सुनाई देती है। यदि आप थके हुए या बीमार हैं, तो यह फिर से बदल जाती है। यहाँ तक कि केवल निर्जलित (dehydrated) होना भी आपकी आवाज़ को कर्कश बना सकता है।
• स्क्रिप्ट (लेख): आप क्या कह रहे हैं, यह मायने रखता है। यदि आप कोई स्क्रिप्ट पढ़ रहे हैं, किसी बच्चे से बात कर रहे हैं, या किसी तेज़ पंखे के ऊपर से चिल्ला रहे हैं, तो आपकी आवाज़ बदल जाती है। समझने के लिए आप अपनी गति धीमी कर सकते हैं, ज़ोर से बोल सकते हैं, या अपनी पिच बदल सकते हैं।
• बढ़ने की प्रक्रिया: आपके फिंगरप्रिंट के विपरीत, जो जीवन भर एक समान रहते हैं, आपकी आवाज़ जैसे-जैसे आप बड़े होते हैं, बूढ़े होते हैं या हार्मोनल परिवर्तनों से गुजरते हैं, बदलती रहती है। जब आप 20 वर्ष के थे तब रिकॉर्ड की गई आपकी आवाज़ 60 वर्ष की आयु में आपकी आवाज़ जैसी बिल्कुल नहीं होगी।
• मुखौटा (The Mask): लोग जानबूझकर भी अपनी आवाज़ बदल सकते हैं! आप फुसफुसा सकते हैं, नकली लहजा (accent) अपना सकते हैं, या किसी और की तरह दिखने की कोशिश कर सकते हैं। पेपर नोट करता है कि भले ही आप सब कुछ नहीं बदल सकते, लेकिन आप इतना बदल सकते हैं कि इंसानों और कंप्यूटरों दोनों को धोखा दे सकें।

इन सभी बदलावों के कारण, एक ही व्यक्ति दो अलग-अलग रिकॉर्डिंग में बहुत अलग लग सकता है। और यहाँ डरावनी बात यह है: दो अलग-अलग लोग भी कभी-कभी आश्चर्यजनक रूप से समान लग सकते हैं, खासकर यदि वे अलग-अलग स्थितियों में रिकॉर्डिंग कर रहे हों या अलग-अलग शब्द बोल रहे हों।

कंप्यूटर "वॉइसप्रिंट" भी जादुई नहीं है

आप सोच सकते हैं, "ठीक है, लेकिन कंप्यूटर स्मार्ट होते हैं। उन्होंने असली वॉइसप्रिंट ढूंढ लिया होगा।" पेपर कहता है, "इतना जल्दी नहीं।" आधुनिक कंप्यूटर आवाज़ों को डिजिटल कोड (जिसे "एम्बेडिंग्स" कहा जाता है) में बदलने के लिए जटिल गणित का उपयोग करते हैं। यह सच है कि ये कंप्यूटर आवाज़ों के बीच अंतर करने में अच्छे हैं, लेकिन वे कोई जादुic, अपरिवर्तनीय आईडी कार्ड नहीं ढूंढ रहे हैं।

पेपर समझाता है कि ये कंप्यूटर कोड वास्तव में सब कुछ का एक मिश्रण हैं: जो बोल रहा है वह, जो वह कह रहा है वह, बैकग्राउंड का शोर, और यहाँ तक कि उपयोग किया गया माइक्रोफ़ोन भी। यदि आप एक सस्ते फोन बनाम एक स्टूडियो माइक्रोफ़ोन के साथ एक ही व्यक्ति को रिकॉर्ड करते हैं, तो कंप्यूटर को लग सकता है कि यह एक अलग व्यक्ति है। कंप्यूटर एक "वॉइसप्रिंट" नहीं देख रहा है; वह समय के एक विशिष्ट क्षण की एक तस्वीर देख रहा है। लेखक चेतावनी देते हैं कि केवल इसलिए कि एक कंप्यूटर उच्च स्कोर देता है कि "यह मेल खाता है," इसका मतलब यह नहीं है कि यह एक पूर्ण, अपरिवर्तनीय सत्य है। इसका मतलब केवल यह है कि दो रिकॉर्डिंग उन विशिष्ट परिस्थितियों के तहत समान दिखती हैं।

डीपफेक का खतरा

पेपर एक नई, डरावनी समस्या के बारे में भी बात करता है: डीपफेक (deepfakes)। यह तब होता है जब AI (आर्टिफिशियल इंटेलिजेंस) ऐसी नकली ऑडियो बनाता है जो बिल्कुल किसी वास्तविक व्यक्ति की तरह लगती है। लेखक उदाहरण देते हैं कि कैसे अपराधी अपने बॉस की तरह लगकर लोगों को लाखों रुपये ट्रांसफर करने के लिए धोखा देने हेतु AI का उपयोग करते हैं।

यहाँ मुख्य बात यह है: पेपर कहता है कि भले ही एक डीपफेक आपके दोस्त की तरह 100% सुनाई दे, इसका मतलब यह नहीं है कि आपके दोस्त ने इसे बोला है। पुराना "वॉइसप्रिंट" विचार मानता है कि यदि यह आपकी तरह सुनाई देता है, तो यह ज़रूर आप ही हैं। लेकिन डीपफेक के साथ, यह नियम टूट जाता है। एक नकली आवाज़ एक वास्तविक व्यक्ति की तरह सुनाई दे सकती है बिना उस व्यक्ति के मुँह खोले। यह साबित करता है कि "आवाज़" एक अनूठा फिंगरप्रिंट नहीं है; यह ध्वनि का एक पैटर्न है जिसे कॉपी किया जा सकता है।

हमें इसके बजाय क्या करना चाहिए?

तो, यदि वॉइसप्रिंट एक मिथक है, तो हम अपराधों को कैसे सुलझाएं या पहचान की जांच कैसे करें? पेपर यह नहीं कहता कि "आवाजों का उपयोग करना बंद करें।" यह कहता है "गलत नियमों का उपयोग करना बंद करें।"

यह पूछने के बजाय कि, "क्या ये दो आवाजें पूरी तरह से मेल खाती हैं?" (जो कि असंभव है), लेखक सुझाव देते हैं कि हमें यह पूछना चाहिए, "सभी परिवर्तनों और स्थितियों को देखते हुए, इस बात की कितनी संभावना है कि यह आवाज़ व्यक्ति A की है, व्यक्ति B की तुलना में?"

वे चाहते हैं कि हम एक ऐसा सिस्टम अपनाएं जो अनिश्चितता को स्वीकार करता हो। कल्पना कीजिए कि एक जासूस कहता है, "सबूतों के आधार पर, यह बहुत संभव है कि यह आवाज़ संदिग्ध की है, लेकिन हमें यह भी ध्यान में रखना होगा कि रिकॉर्डिंग खराब थी, संदिग्ध बीमार था, और AI ने इसे फर्जी भी बनाया हो सकता है।" इसे "संभाव्यतावादी" (probabilistic) दृष्टिकोण कहा जाता है। यह कहने जैसा है कि, "90% संभावना है कि यह सही व्यक्ति है," बजाय इसके कि "यह निश्चित रूप से सही व्यक्ति है।"

निष्कर्ष

इस पेपर का मुख्य संदेश सरल लेकिन शक्तिशाली है: आवाजें फिंगरप्रिंट नहीं हैं। वे अव्यवस्थित, परिवर्तनशील और आश्चर्यों से भरी होती हैं। "वॉइसप्रिंट" का विचार एक खतरनाक मिथक है जो हमें अपने निष्कर्षों में बहुत अधिक आत्मविश्वासी बना देता है।

लेखक हमें कानून और विज्ञान में "वॉइसप्रिंट" शब्द का उपयोग करना बंद करने की सलाह देते हैं क्योंकि यह हमें यह सोचने के लिए मजबूर करता है कि आवाजें स्थिर स्टैम्प हैं। इसके बजाय, हमें आवाज़ के साक्ष्य को एक ऐसे पहेली की तरह देखना चाहिए जिसके कुछ हिस्से गायब हैं। हमें सभी सुरागों को देखना होगा—मूड, स्वास्थ्य, रिकॉर्डिंग की गुणवत्ता, और यहाँ तक कि AI फर्जी होने की संभावना भी—और इस बारे में एक सावधानीपूर्ण, ईमानदार अनुमान लगाना होगा कि कौन बोल रहा है। ऐसा करके, हम एक जादुई चाबी होने का ढोंग करना बंद कर देते हैं और सुनने का एक बहुत अधिक स्मार्ट, अधिक विश्वसनीय तरीका अपनाते हैं।