Co to jest SynthID i jak wpływa na dubbing AI
Niesłyszalny znak wodny w dźwięku generowanym przez AI, który przetrwa przycięcie, zmianę tempa, konwersję i usunięcie metadanych. Co robi i kto go czyta.
SynthID to znak wodny dla treści generowanych przez sztuczną inteligencję, opracowany przez Google DeepMind. W przypadku dźwięku (na przykład przy automatycznym dubbingu, który zastępuje oryginalne głosy) oznaczenie to jest osadzane bezpośrednio w samym sygnale, a nie dołączane jako metadane. Jest niesłyszalne dla słuchaczy i zaprojektowane tak, aby przetrwać próby usunięcia.
ElevenLabs, którego API do dubbingu napędza nasz system, zaczęło dodawać te oznaczenia do generowanego dźwięku w 2026 roku. Komunikat opublikowany w tygodniu rozpoczynającym się 25 czerwca 2026 roku i zaktualizowany 9 sierpnia mówi, że firma "zaczęła wdrażać SynthID w generacjach Text to Speech dla darmowych użytkowników" oraz planuje "rozszerzyć to rozwiązanie na wszystkie generacje audio ElevenLabs w nadchodzących tygodniach".
Jeśli trafiasz tu, bo chcesz usunąć taki znak, przejdź do ostatniej sekcji. Krótka odpowiedź brzmi: nie da się tego zrobić. Dłuższa odpowiedź wyjaśnia, dlaczego prawdopodobnie wcale nie powinno Ci na tym zależeć.
Czym różni się od metadanych?
Metadane znajdują się obok pliku. Znak wodny tego typu znajduje się wewnątrz samego sygnału.
Ta różnica to klucz do całego rozwiązania. Metadane można usunąć w banalny sposób: wystarczy ponownie zakodować plik, wyczyścić tagi czy nagrać odtwarzany dźwięk przechwytywaniem ekranu, a znacznik znika, podczas gdy samo nagranie pozostaje bez zmian. Każdy, kto chciałby ukryć pochodzenie pliku, może to zrobić jednym poleceniem.
SynthID jest osadzony w samym dźwięku poprzez modyfikacje zbyt subtelne, by słuchacz mógł je wychwycić, ale wykrywalne dla modelu, który wie, czego szukać. Usunięcie go wiązałoby się z uszkodzeniem jakości nagrania.
ElevenLabs deklaruje, że znaki wodne "pozostają na swoim miejscu nawet wtedy, gdy fragmenty są przycinane, przyspieszane, pozbawiane metadanych lub konwertowane na inny format pliku" i dobrze znoszą kadrowanie oraz inne modyfikacje powszechnie stosowane w sieci.
Zwykłe sztuczki więc nie zadziałają. Konwersja z WAV na MP3 nie usunie znacznika. Nie pomoże też odcięcie pierwszych dziesięciu sekund, zmiana tempa ani wyczyszczenie wszystkich tagów w pliku.
Kto może go odczytać?
Każdy, i to jest element, którego ludzie zazwyczaj się nie spodziewają.
ElevenLabs udostępnia darmowe narzędzie Audio Detector pod adresem elevenlabs.io/app/audio-detector. Najpierw sprawdza ono obecność znaku wodnego, a jeśli go nie wykryje, sięga po starszy klasyfikator AI Speech Classifier. Nie musisz mieć konta w serwisie ani żadnego powiązania z osobą, która wygenerowała plik, nie potrzebujesz też oryginalnego nagrania.
To prawdziwy przełom w kwestii ustalania pochodzenia treści. Dawniej wykrywanie opierało się na tym, że słuchacz wychwycił coś nienaturalnego, albo na domysłach klasyfikatora analizującego cechy akustyczne. Obie te metody są zawodne, a wraz z rozwojem modeli stają się coraz mniej skuteczne. Znak wodny to dowód innego rodzaju: albo tam jest, albo go nie ma.
Czego nie robi
Warto wspomnieć o czterech ograniczeniach, ponieważ medialne doniesienia często przypisują tej technologii zbyt duże możliwości.
Nie identyfikuje Ciebie. Znak wodny oznacza dźwięk jedynie jako wygenerowany przez konkretny system. Nie jest to podpis cyfrowy powiązany z Twoim kontem, a jego odczytanie nie powie nikomu, kto dokładnie stworzył dany plik.
Nie obejmuje dźwięków z innych systemów. Działa w ramach jednego dostawcy. Detektor stworzony dla znaku wodnego jednej firmy nie powie nic o pliku wygenerowanym gdzie indziej, a brak znaku wodnego nie jest dowodem na to, że nagrania dokonał człowiek. To po prostu brak oznaczenia.
Nie przetrwa absolutnie wszystkiego. Odporność na standardową obróbkę to nie to samo co niezniszczalność. Każdy znak wodny można uszkodzić przy odpowiednio agresywnym przetwarzaniu sygnału. Praktyczne pytanie brzmi, czy obróbka, która usunie znacznik, nie zniszczy przy okazji samego dźwięku. To cel projektowy, a nie bezwzględna gwarancja.
Nie informuje o tym, czy dany dubbing jest legalny. Pochodzenie to nie to samo co uprawnienie. Oznaczony znakiem wodnym dubbing Twojego własnego wideo jest w porządku. Nieoznaczony dubbing cudzych materiałów chronionych prawem autorskim nadal stanowi naruszenie. Znacznik opisuje sposób powstania materiału, a nie to, czy masz prawo go tworzyć.
Dlaczego dzieje się to właśnie teraz?
Ponieważ wymuszają to nowe przepisy prawne, a moment wdrożenia nie jest przypadkowy.
Artykuł 50 unijnego aktu o sztucznej inteligencji (rozporządzenie 2024/1689) ma zastosowanie od 2 sierpnia 2026 roku. Wymaga on od dostawców systemów AI generujących syntetyczny dźwięk, obrazy, wideo lub tekst zapewnienia, aby ich dane wyjściowe były oznaczone w formacie nadającym się do odczytu maszynowego i wykrywalne jako sztucznie wygenerowane lub zmanipulowane. Co ważne, w Polsce od 11 sierpnia 2026 roku obowiązuje też krajowa ustawa z dnia 3 lipca 2026 r. o systemach sztucznej inteligencji, powołująca Komisję Rozwoju i Bezpieczeństwa Sztucznej Inteligencji (KRiBSI). Choć ta polska ustawa nie wprowadza nowych zasad znakowania i skupia się wyłącznie na nadzorze, wyraźnie pokazuje, że czas dobrowolności w AI właśnie się kończy.
Gdy spojrzymy na te wymogi prawne jak na specyfikację techniczną, otrzymamy dokładnie to, czym jest SynthID: znacznik możliwy do wykrycia przez maszyny, powiązany z samą treścią, a nie tylko z jej opakowaniem w postaci pliku, i na tyle trwały, by przetrwać normalne użytkowanie.
Twoje obowiązki jako twórcy korzystającego z tych narzędzi są inne i zazwyczaj znacznie węższe. Opisaliśmy już, kiedy rzeczywiście musisz oznaczyć wideo zdubbingowane przez AI, włączając w to osobne wymagania stawiane przez YouTube.
Czy zdubbingowany u nas dźwięk zawiera to oznaczenie?
Nie zamierzamy odpowiadać na to jednoznaczną deklaracją, ponieważ nie mamy dostępu do w pełni potwierdzonych źródeł.
Opublikowany przez ElevenLabs wpis o wdrożeniu nie wymienia funkcji dubbingu wśród produktów objętych tym systemem w momencie pisania tego tekstu, a powiązany artykuł w ich centrum pomocy nie jest publicznie dostępny. Każde nasze twierdzenie w jedną lub drugą stronę byłoby jedynie zgadywaniem przedstawionym jako fakt, a akurat w tym temacie mogłoby to wprowadzić w błąd osoby, które polegają na takich informacjach.
Możemy natomiast podpowiedzieć, jak to sprawdzić w przypadku Twojego własnego pliku: prześlij go do narzędzia Audio Detector od ElevenLabs. Jest ono darmowe, badanie trwa minutę i daje pewność co do konkretnego nagrania, które posiadasz.
Nasz obszerniejszy artykuł o tym, czy ktoś może rozpoznać, że Twoje wideo zostało zdubbingowane przez AI, rozróżnia trzy osobne kwestie, które ludzie często łączą w jedną, ponieważ ludzki słuch, algorytmy platform oraz wyspecjalizowane detektory dają zupełnie inne odpowiedzi.
Jeśli chodzi o kwestię przesyłania danych wejściowych: nigdy nie pobieramy próbek głosu. Nie ma tu żadnego etapu rejestracji ani przechowywania profili głosowych. Nasz system przyjmuje plik oraz jeden z 32 języków docelowych i nic poza tym. Nie musisz nawet deklarować języka źródłowego, ponieważ jest on wykrywany automatycznie z nagrania.
Czy da się usunąć znak wodny AI z dźwięku?
Nie, i nie będziemy pomagać w takich próbach.
Przetwarzanie, które mogłoby uszkodzić tego typu znak wodny, pogorszy również jakość samego dźwięku, co mija się z celem. Poza tym warto zadać sobie pytanie, dlaczego w ogóle chcesz to zrobić.
Jeśli dubbingujesz własne treści, znak wodny w niczym Ci nie przeszkadza. Oznacza dźwięk jako wygenerowany przez AI, co jest przecież prawdą i czego nikt nie próbuje ukrywać. YouTube wyraźnie zwalnia z obowiązku ujawniania faktu korzystania z AI w przypadku dubbingu własnego głosu. Z kolei unijny obowiązek oznaczania deepfake'ów dotyczy treści, które "mogłyby fałszywie wydać się odbiorcom autentyczne", a tłumaczenie Twoich własnych słów takim manipulacyjnym materiałem nie jest.
Gdyby usunięcie znaku miało Ci w czymś pomóc, byłaby to prawdopodobnie próba przedstawienia syntetycznego głosu jako naturalnego nagrania. Właśnie przed takimi nadużyciami ma chronić ten znak wodny i nie będziemy tworzyć metod na jego obchodzenie.
Co czytać dalej
Jeśli planujesz prace nad dubbingwem, nasze przewodniki po poszczególnych językach pomogą Ci od strony praktycznej: dubbingowanie filmów na YouTube z języka polskiego na koreański to jedna z par, w których jakość syntetycznego głosu jest oceniana najsurowiej, dubbingowanie filmów marketingowych z języka polskiego na portugalski to kolejny ciekawy przypadek, a indeks zastosowań zawiera całą resztę.
Często zadawane pytania
Co to jest SynthID?
Technologia znakowania wodnego opracowana przez Google DeepMind, która osadza niewykrywalny znacznik w treściach generowanych przez AI. W przypadku dźwięku żyje on bezpośrednio w sygnale, a nie w metadanych, dzięki czemu przetrwa konwersję i edycję, które usunęłyby zwykłe tagi.
Czy ElevenLabs nakłada znaki wodne na dźwięk?
ElevenLabs zaczęło stosować SynthID w generowanym dźwięku w 2026 roku, zaczynając od narzędzia Text to Speech dla darmowych użytkowników w tygodniu rozpoczynającym się 25 czerwca, deklarując przy tym chęć rozszerzenia systemu na wszystkie swoje generacje audio. Opublikowany komunikat nie wymienia jednak wprost funkcji dubbingu, dlatego zamiast zgadywać, najlepiej sprawdzić konkretny plik w darmowym narzędziu Audio Detector.
Czy można usunąć znak wodny AI z dźwięku?
Nie za pomocą standardowej edycji. ElevenLabs podaje, że znak wodny przetrwa przycinanie, zmiany prędkości, usuwanie metadanych oraz konwersję formatów. Obróbka na tyle agresywna, by go uszkodzić, zepsułaby również jakość samego nagrania.
Czy znak wodny oznacza, że mój dubbing jest niedozwolony?
Nie. Znak wodny dokumentuje sposób, w jaki powstał dźwięk, a nie to, czy masz prawo go tworzyć. Dubbingowanie własnych treści jest w pełni dozwolone i takie pozostanie, niezależnie od tego, czy plik wyjściowy ma znacznik, czy też nie.