AI hiện có thể bắt chước giọng nói của một người từ một đoạn ghi âm ngắn và ghép khuôn mặt từ những bức ảnh, video công khai. Hiểu điều này để tự giữ mình theo ba hướng: bớt để lại mẫu giọng và mẫu mặt chất lượng cao ở nơi công khai, không coi giọng nói hay khuôn mặt qua màn hình là bằng chứng danh tính, và thống nhất trước với người thân một cách kiểm tra khác (gọi lại số quen, câu hỏi riêng). Giọng và mặt vẫn là của mình, nhưng không còn là chữ ký không ai giả được.
Vì sao giọng và mặt từng là "chữ ký" đáng tin
Suốt lịch sử loài người, nhận ra giọng nói và gương mặt là cách xác định danh tính tự nhiên nhất. Nghe giọng mẹ qua điện thoại là biết mẹ. Thấy mặt người quen qua cuộc gọi video là yên tâm. Ngay cả trong lịch sử các vụ giả danh nổi tiếng, kẻ giả danh luôn gặp khó ở đúng chỗ này: người thân nhìn kỹ, nghe kỹ thì thấy khác.
Điều đã thay đổi là chi phí làm giả. Trước đây, bắt chước giọng một người cần một nghệ sĩ giả giọng có tài; ghép mặt trong video cần cả một xưởng kỹ xảo. Nay phần mềm làm được nhiều việc đó với ít dữ liệu và chi phí thấp. Không phải mọi bản giả đều hoàn hảo, nhưng đủ tốt để qua mặt một người đang vội, đang lo, đang nghe qua loa điện thoại rè.
Cần bao nhiêu dữ liệu để sao chép
Các con số dưới đây là những gì chính các công ty công nghệ đã công bố, không phải đồn đoán:
- Năm 2023, nhóm nghiên cứu của Microsoft giới thiệu mô hình VALL-E và cho biết nó có thể mô phỏng giọng một người từ đoạn ghi âm chỉ khoảng 3 giây, dù chất lượng còn hạn chế.
- Năm 2024, OpenAI giới thiệu Voice Engine, tạo giọng nói từ mẫu khoảng 15 giây, và chính công ty này quyết định không phát hành rộng rãi vì lo ngại bị lạm dụng.
Với khuôn mặt, càng nhiều ảnh rõ, nhiều góc, có video nói chuyện thì bản ghép càng giống. Người đăng nhiều video nói trực diện trước camera (livestream bán hàng, video chia sẻ, bài giảng trực tuyến) để lại lượng mẫu lớn nhất.
Cách làm giả cụ thể bài này không mô tả. Điều cần nắm chỉ là: mẫu càng nhiều, càng rõ, càng công khai thì càng dễ bị sao chép.
Mẫu giọng, mẫu mặt của mình nằm ở đâu
| Nơi | Loại mẫu | Mức công khai |
|---|---|---|
| Video trên mạng xã hội, kênh video cá nhân | Giọng, mặt, cử chỉ | Thường công khai |
| Livestream bán hàng, lớp học trực tuyến | Giọng và mặt thời lượng dài | Công khai hoặc bán công khai |
| Tin nhắn thoại trong nhóm chat | Giọng nói rõ | Mọi người trong nhóm |
| Ảnh đại diện, ảnh cá nhân | Mặt nhiều góc | Tuỳ cài đặt |
| Cuộc gọi từ số lạ "im lặng" hoặc hỏi han vu vơ | Giọng nói được ghi âm | Do người gọi thu |
| Ứng dụng biến hình mặt, đổi giọng vui | Ảnh mặt, giọng nói chất lượng cao | Tuỳ chính sách của ứng dụng |
Không ai phải ngừng đăng video hay xoá mọi ảnh. Mục tiêu là biết mình đang để lại gì và cân nhắc những chỗ không cần thiết, nhất là ứng dụng giải trí lạ đòi chụp mặt nhiều góc hay đọc to một đoạn văn.
Tự giữ mình: điều chỉnh cách tin
Phần quan trọng nhất không phải là giấu giọng, giấu mặt, mà là đổi thói quen tin tưởng.
Giọng nói và khuôn mặt qua màn hình không đủ để chuyển tiền
Một quy tắc đơn giản cho cả nhà: mọi yêu cầu chuyển tiền, đọc mã, gửi giấy tờ, dù giọng có giống đến đâu, phải được xác nhận qua một kênh khác. Cúp máy, tự gọi lại vào số đã lưu từ lâu, hoặc nhắn hỏi một người thứ ba trong gia đình.
Câu hỏi riêng của gia đình
Nhiều gia đình thống nhất một câu hỏi hay một "từ khoá" chỉ người trong nhà biết, không bao giờ đăng lên mạng, ví dụ tên con vật nuôi hồi nhỏ, món ăn của một dịp đặc biệt. Khi có cuộc gọi khẩn cấp xin tiền, hỏi câu đó. Kẻ giả giọng có thể bắt chước âm sắc, nhưng không biết kỷ niệm riêng.
Cảnh giác với sự gấp gáp
Các kịch bản lừa dùng giọng giả gần như luôn kèm áp lực thời gian: tai nạn, bị bắt, cần tiền ngay. Sự gấp gáp là dấu hiệu, không phải lý do để vội. Các kịch bản lừa qua cuộc gọi video giả người thân đã được phân tích kỹ ở một trang khác trong hệ; ở đây chỉ nhấn mạnh phần nền: giọng và mặt không còn là bằng chứng.
Còn hệ thống xác thực của ngân hàng thì sao
Nhiều người lo: nếu mặt giả được, xác thực khuôn mặt khi chuyển tiền có còn an toàn không. Câu trả lời là hệ thống xác thực sinh trắc nghiêm túc không chỉ so khuôn mặt, mà còn kiểm tra "người thật đang có mặt" (liveness): yêu cầu cử động, phân tích ánh sáng và độ sâu, phát hiện màn hình hay mặt nạ. Ngoài ra, khuôn mặt được so với ảnh trong chip thẻ căn cước, và giao dịch phải diễn ra trên thiết bị đã đăng ký. Kẻ xấu cần vượt nhiều lớp cùng lúc chứ không chỉ có ảnh mặt.
Không có hệ thống nào tuyệt đối, nhưng điểm yếu lớn nhất vẫn là con người tin vào giọng nói qua điện thoại, không phải máy quét mặt của ngân hàng. Danh mục sinh trắc học của wiki này có bài riêng về cách máy phân biệt mặt thật với ảnh và mặt nạ.
Luật nói gì
Theo pháp luật Việt Nam về bảo vệ dữ liệu cá nhân, dữ liệu sinh trắc học (bao gồm khuôn mặt, giọng nói) thuộc nhóm dữ liệu cá nhân nhạy cảm, được bảo vệ chặt hơn dữ liệu thông thường (tính tới 11/2026). Dùng hình ảnh, giọng nói của người khác để mạo danh, lừa đảo có thể bị xử lý theo pháp luật hình sự và dân sự. Bộ luật Dân sự 2015 cũng quy định quyền của cá nhân đối với hình ảnh của mình. Khi phát hiện hình ảnh, giọng nói của mình bị làm giả để lừa người khác, hãy lưu bằng chứng, báo nền tảng nơi nội dung xuất hiện và trình báo công an.
Góc nhìn hôm nay: dấu hiệu nguồn gốc và kỹ năng mới
Ngành công nghệ đang thử nhiều cách để đánh dấu nội dung do AI tạo ra, ví dụ chuẩn "Content Credentials" (C2PA) gắn thông tin nguồn gốc vào ảnh, video. Những dấu hiệu này hữu ích nhưng chưa phổ biến và có thể bị gỡ. Vì vậy kỹ năng quan trọng nhất vẫn là kỹ năng của người nhận: dừng lại, xác minh qua kênh khác, hỏi câu riêng. Dành năm phút trong bữa cơm để cả nhà thống nhất "câu hỏi gia đình" có lẽ là việc có ích nhất người đọc có thể làm sau khi đọc bài này.
Câu hỏi thường gặp
AI cần bao nhiêu giây để bắt chước giọng nói?
Theo công bố của các công ty công nghệ, có mô hình nghiên cứu mô phỏng giọng từ đoạn ghi âm khoảng 3 giây (VALL-E của Microsoft, 2023), có hệ thống cần khoảng 15 giây (Voice Engine của OpenAI, 2024). Mẫu càng dài, càng rõ thì bản giả càng giống.
Làm sao biết cuộc gọi là giọng thật hay giọng AI?
Nghe bằng tai rất khó phân biệt chắc chắn. Cách đáng tin hơn là cúp máy, tự gọi lại vào số đã lưu, hoặc hỏi một câu chỉ người thân thật mới biết. Không chuyển tiền chỉ vì nghe giọng giống.
Đăng video lên mạng có bị lấy giọng không?
Video công khai có giọng nói rõ có thể bị dùng làm mẫu. Không cần ngừng đăng, nhưng nên biết mình để lại gì công khai và thống nhất với người thân cách xác minh khi có yêu cầu chuyển tiền.
Khuôn mặt bị AI làm giả có qua được xác thực ngân hàng không?
Rất khó. Xác thực sinh trắc của ngân hàng còn kiểm tra người thật đang có mặt, so với ảnh trong chip căn cước và yêu cầu thiết bị đã đăng ký. Điểm yếu lớn hơn là con người tin vào giọng nói, hình ảnh qua cuộc gọi.
Giọng nói có phải là dữ liệu cá nhân nhạy cảm không?
Theo pháp luật Việt Nam về bảo vệ dữ liệu cá nhân, dữ liệu sinh trắc học, trong đó có giọng nói và khuôn mặt, thuộc nhóm dữ liệu nhạy cảm và được bảo vệ chặt hơn (tính tới 11/2026).
