30 saniyelik kayıttan yeni konuşmalara: Ses kimin?

30 saniyelik kayıttan yeni konuşmalara: Ses kimin?

Google’ın kısa bir kayıttan yeni konuşmalar üretebilen ses modelleri, yayıncılıkta insanın kendi sesi üzerindeki denetimini tartışmaya açıyor. Türkiye açısından mesele, teknolojiye erişmek kadar sanatçının emeğini ve dinleyicinin güvenini koruyabilmek.

Dr. Muhammed Ersin Toy — Medya stratejisti

Google, 23 Eylül 2026’da metni konuşmaya dönüştüren Gemini 3.8 Flash TTS ve Flash-Lite TTS modellerini tanıttı. Şirket, kullanım hakkı bulunan 30 saniyelik bir ses örneğinden yeni konuşmalar üretilebildiğini açıkladı. Böylece bir sanatçının okumadığı metinler, onun sesine benzeyen bir sesle dinleyiciye ulaşabiliyor. Radyo, dublaj ve sesli kitap yayıncılığı açısından değişen, yalnız üretim tekniği değil; insanın kendi sesiyle söylenen sözler üzerindeki denetimi.

Yeni modellerde konuşmanın temposu, duygusu ve vurgusu yönlendirilebiliyor. Bu imkân, içerikleri farklı dillere uyarlamayı ve kayıtları güncellemeyi kolaylaştırabilir. Ancak konuşmanın doğal duyulması, her sesin, dilin ve vurgunun aynı başarıyla üretildiği anlamına gelmiyor.

Buradaki değişim, mevcut bir kaydın yeniden yayımlanmasından farklı. Çünkü sesin benzeriyle her defasında yeni bir performans oluşturuluyor. Sanatçı stüdyoda bulunmasa da sesi, üretimin ekonomik değerine katkı sağlamayı sürdürüyor. Böylece ücretlendirme tartışması, kayıt için harcanan zamanın ötesine geçiyor: Bir defalık ödeme, yıllarca sürecek yeni kullanımların karşılığı mı sayılacak?

Bir kayıt, sınırsız izin değil

Google’ın teknik belgesi, aynı yetişkine ait 10–30 saniyelik konuşma örneğiyle ayrı bir sözlü onay kaydı istiyor. Bu kayıt, kişinin sesinden yapay bir ses modeli oluşturulmasına izin verdiğini doğrulamayı amaçlıyor. Fakat model oluşturma onayı, sonraki bütün kullanımların koşullarını kendiliğinden belirlemiyor.

Asıl ayrım burada ortaya çıkıyor: Bir sanatçının belgesel için sesini kullandırmasıyla aynı sesin reklamda veya hiç benimsemediği bir anlatıda kullanılması aynı şey değil. Yayıncı açısından sorulması gereken, yalnız ses sahibinin onay verip vermediği değil; neye, ne kadar süreyle ve hangi karşılıkla onay verdiği.

Google’ın üretilen seslere eklediği SynthID adlı dijital filigran, kaydın yapay zekâ ürünü olduğunun tespitine yardımcı oluyor. Ancak yapaylığın belirlenmesi, kullanımın izin kapsamında kaldığını veya sanatçının ücretinin ödendiğini göstermiyor. Teknik işaretleme, sözleşmenin yerini tutmuyor.

Uluslararası sözleşmeler de yalnız ilk onaya odaklanmıyor. Amerika Birleşik Devletleri’ndeki Sinema Oyuncuları Derneği-Amerikan Televizyon ve Radyo Sanatçıları Federasyonunun 2026 televizyon ve sinema sözleşmesine ilişkin açıklaması, dijital kopyaların güvenli saklanmasını ve sahiplik değiştiğinde korumaların sürmesini kapsıyor. Burada dikkat çeken, korumanın tek seferlik izinle sınırlı tutulmaması.

Türkiye açısından yeni eşik

Türkçenin desteklenen diller arasında bulunması, konuyu Türkiye’deki yayıncılar için de somutlaştırıyor. Ancak dil desteği, doğru telaffuz ve anlatımın garantisi değil. Özellikle haber ve belgeselde, yapay bir sesin gerçek tanıklıkla karışmaması için hem yayın öncesi denetim hem dinleyicinin bilgilendirilmesi gerekiyor.

Yayıncının denetimi, metni onaylamakla da bitmemeli. Ses modeli nerede tutuluyor, kimin erişimine açık, başka bir sağlayıcıya taşınabiliyor mu? Bu sorular cevaplanmadan yalnız üretim hızına bakmak, gelecekteki üretimi dışarıdaki bir hizmete bağımlı hâle getirebilir. Dolayısıyla sesin kullanım hakkıyla üretim altyapısı üzerindeki denetim birlikte düşünülmeli.

Sözleşmelerde kullanım amacı, süre, ücretlendirme ve üçüncü kişilere aktarım açıkça tanımlanmalı; izin sona erdiğinde yeni üretimin nasıl durdurulacağı belirlenmeli. Arşivde bir kayda sahip olmak, o kayıttaki insanın sesiyle sınırsız yeni içerik üretme yetkisi gibi görülmemeli.

Ses üretme becerisi teknolojiye ait olabilir; bir insan adına konuşma yetkisi yalnız teknolojik imkândan doğmaz.

⸻