جنجال صداپیشگی هوش مصنوعی در Arc Raiders؛ ابزار نجات یا تهدید هویت هنر؟

زلزله صوتی در قلمرو تیراندازی استخراجی؛ پرونده جنجالی Arc Raiders

صنعت بازی‌های ویدئویی بار دیگر در تقاطع حساس فناوری و هنر ایستاده است. جایی که جادوی صداپیشگی، احساس و انتقال درام در برابر راندمان اقتصادی و سرعت توسعه الگوریتم‌ها قرار می‌گیرد. استودیوی امبارک (Embark Studios) با انتشار مستندی تازه درباره ساختار صوتی اثر مورد انتظار خود، آرک ریدرز (Arc Raiders)، آتش بحث‌های قدیمی پیرامون هوش مصنوعی مولد (Generative AI) را شعله‌ور کرده است. افشاگری صریح تیم توسعه‌دهنده درباره بهره‌گیری از مدل‌های صوتی الگوریتمیک، بار دیگر این پرسش کلیدی را مطرح می‌کند: آیا هوش مصنوعی یاور بازیگران است یا تهدیدی بی‌رحم برای جان‌بخشی به کاراکترها روی پرده دیجیتال؟

برای درک عمق این ماجرا باید به شیوه بازیسازی استودیوی امبارک نگاه کرد. این تیم پیش‌تر در بازی موفق دی فینالز (The Finals) نیز از صداهای تولیدشده با هوش مصنوعی بهره برده بود، اما تکرار این رویکرد در یک عنوان شوتر استخراجی (Extraction Shooter) متکی بر فضاسازی عمیق، واکنش‌های فراوانی را برانگیخته است. مسئولان استودیو مدعی هستند استفاده اولیه از دیالوگ‌های مصنوعی نه تنها ضربه‌ای به هنرمندان نزده، بلکه نجات‌دهنده روان و انرژی آن‌ها در مواجهه با خطوط داستانی بی‌انتها و تغییرات مداوم متون بوده است.

میان زنجیره‌های تولید و روح اجرا؛ منطق فنی بنس پاجور

بنس پاجور (Bence Pajor)، مدیر بخش صوتی Arc Raiders، با اشاره به تجربه سال‌ها فعالیت در استودیوهای بزرگ هالیوودی و بازیسازی، از بحرانی به نام «قفل شدن دیالوگ‌ها» یاد می‌کند. در روندهای سنتی توسعه، زمانی که صدای بازیگران ضبط و نهایی می‌شود، هرگونه تغییر در میزانسن، ساختار مراحل یا مکانیک اسلحه‌ها می‌تواند کل ضبط‌های قبلی را بلااستفاده کند. پاجور این پروسه را کابوسی برای تیم نویسندگان، کارگردانان صوتی و البته صداپیشگانی می‌داند که باید برای ضبط چند کلمه تغییریافته، برنامه‌های کاری خود را برهم بزنند.

از دیدگاه پاجور، آموزش دادن مدل‌های هوش مصنوعی بر اساس نمونه صدای واقعی بازیگران حاضر در استکهلم، حل‌کننده این بن‌بست تولید بوده است. با اضافه شدن هر آیتم، سلاح یا ویژگی جدید به Arc Raiders، خواندن ده‌ها و صدها حالت مختلف یک متن توسط بازیگر واقعی، فرآیندی فرساینده و تقریباً غیرممکن محسوب می‌شد. او صریحاً مدعی است که اگر قرار بود صداپیشگان تمام این خطوط صوتی متغیر و ریز را ضبط کنند، رسماً دچار فرسایش کامل روحی می‌شدند. بنابراین الگوریتم‌ها به عنوان یک لایه میانجی وارد میدان شدند تا ساختار فنی بازی بدون فدا کردن زمان بازیگران شکل بگیرد.

پارادوکس آزادی و پارادوکس مالکیت؛ روایت بازیگران از تماشای صدای خود

روایت هنرمندان حاضر در پروژه اما پیچیدگی‌های انسانی این فناوری را فاش می‌کند. دیانا گاردنر (Diana Gardner)، ایفاگر نقش کاراکتر سلست (Celeste)، و جو رایدآوت (Jo Rideout)، صداپیشه نقش شانی (Shani)، مواضع متفاوتی اتخاذ کرده‌اند. گاردنر احساس اولیه خود را «آزادی‌بخش» توصیف می‌کند؛ زیرا نیازی نبوده برای ضبط چند خط دیالوگ اصلاحی کوچک، پروژه‌های سینمایی یا تئاتری دیگر خود را لغو کند. الگوریتم پردازش صوتی، بارِ تکرارهای ملال‌آور را از دوش او برداشته است.

اما روی دیگر این سکه، بحران هویت و مالکیت اثر است. گاردنر صریحاً ابراز می‌دارد که پس از شنیدن صدای پردازش‌شده‌اش که از زبان کاراکتر خارج می‌شود، دچار سردرگمی عمیقی شده است. او مطرح می‌کند کارهای ساعتی سنگینی برای ثبت اولیه تنالیته صوتی انجام داده، اما آیا می‌تواند مالکیت اجرای نهایی ناشی از پردازش هوش مصنوعی را بر عهده بگیرد؟ پاسخ او یک «خیر» قاطع است. اینجاست که مرز باریک میان تکنیک‌های جدید فنی با اصالت بازیگری روی پرده نقره‌ای و نمایشگرها تار می‌شود؛ جایی که بازیگر روحش را به الگوریتم می‌سپارد اما کنترل اجرا را از دست می‌دهد.

اسب تروای نکسون و خط باریک میان کارایی اقتصادی با تجربه غوطه‌وری

نکته حائز اهمیت در این میان، موضع ناشر بازی، شرکت نکسون (Nexon)، است. موفقیت فنی و تجاری الگوریتم‌های صوتی در پروژه‌های امبارک باعث شده تا مدیریت نکسون از هوش مصنوعی مولد به عنوان یک «اسب تروای نجات‌بخش» برای استودیوهای بازی‌سازی با تیم‌های کوچک یاد کند. از دیدگاه اقتصادی و ارقام سوددهی گیشه دیجیتال، کاهش هزینه‌های ضبط و بالا بردن سرعت به‌روزرسانی‌ها یک پیروزی مطلق است؛ مسابقه‌ای مالی که استودیوها نمی‌خواهند در آن عقب بمانند.

با این حال، بازخورد گیمرها و منتقدان نشان داد که حس غوطه‌وری در فضای بازی (Immersion) با صداهای مصنوعی خدشه‌دار می‌شود. نبود نوسانات ارگانیک صوتی، عدم انتقال لحن دقیق در لحظات تعلیق نفس‌گیر و لحن یکنواخت پردازش‌های کامپوتری، به تجربه کلی بازی آسیب زده بود. استفان استرندبرگ (Stefan Strandberg)، مدیر ارشد خلاقیت امبارک، با پذیرش این انتقادها تأکید کرده است که آن‌ها در تجارت «جایگزینی بازیگران» نیستند، بلکه قصد دارند اجرای انسانی را جشن بگیرند. او تایید کرد که خطوط صوتی هوش مصنوعی در واقع جایگاه‌های موقتی (Placeholder) بوده‌اند و استودیو در حال جایگزینی آن‌ها با ضبط‌های واقعی و باکیفیت انسانی است.

چشم‌انداز صنعت سرگرمی؛ اصرار بر اصالت انسانی در عصر الگوریتم‌ها

پرونده Arc Raiders و رویکرد استودیوی امبارک، تصویر کوچکی از آینده کل صنعت سرگرمی را به نمایش می‌گذارد. چه در هالیوود و پرده‌های عریض سینما و چه در بازی‌های ویدیویی، هوش مصنوعی مولد ابزاری دو لبه است. استفاده از فناوری برای تسهیل روند پیش‌تولید و رهایی از خطوط صوتی تکراری، منطقی پذیرفتنی به نظر می‌رسد؛ اما هیچ الگوریتمی نمی‌تواند جایگزین بداهه‌پردازی‌های انسانی، شیمی بازیگران در برابر یکدیگر و تعلیق عاطفی ایجادشده توسط یک بازیگر واقعی در اتاق ضبط شود.

استودیوی امبارک اکنون در حال حرکت به سمتی است که میان سرعت توسعه و اصالت اجرا تعادل ایجاد کند. تعهدی که آن‌ها برای جایگزین کردن صداهای الگوریتمیک با اجراهای زنده داده‌اند، نشان‌دهنده احترام به فشار جوامع هنری و اهمیت تجربه بصری و شنیداری مخاطب است. آینده نشان خواهد داد که آیا هوش مصنوعی در حد یک ابزار کمکی در دست تدوین‌گران و مدیران صوتی باقی می‌ماند، یا درام واقعی را به قربانی بعدی سرعت و سوددهی تجاری تبدیل خواهد کرد.