Кодове слово родини та перевірка голосу того, хто дзвонить

Ні, і це свідоме рішення. Надійного способу відрізнити синтез від живого мовлення за звуком сьогодні не існує: корпоративні системи на кшталт Pindrop і Hiya показують свої відсотки на чистому студійному звуці, а на стисненому телефонному дзвінку — тому самому, заради якого їх і ставлять, — точність падає до двох третин. Ми відповідаємо на інше питання: чи збігається голос зі збереженим еталоном, — і цю відповідь перевіряємо вимірюванням.

Бо вдалий клон схожий за визначенням — у цьому й полягає його мета. Збіг з еталоном означає лише відсутність суперечностей. Спростування працює у зворотний бік: якщо голос помітно відрізняється, цього вже досить, щоб покласти слухавку і передзвонити самому. Уся шкала побудована навколо цієї асиметрії, а не навколо відсотка схожості.

Постійне слово захищене рівно до першого витоку, а витікає воно не зламом, а розмовою: «служба безпеки банку» просить літню людину назвати родинний пароль «для звірки», і родина про це не дізнається. Змінне слово виводиться зі спільного секрету кола та номера п’ятихвилинного вікна, тому назване вчора сьогодні вже нічого не означає. Плата за це — у співрозмовника має бути відкрита та сама сторінка, тому постійне слово лишається за умовчанням.

Не обов’язково, і тому поруч завжди показано попереднє слово. Вікно триває п’ять хвилин, а годинники на телефонах розходяться на секунди; якщо розмова почалася під саму зміну, людина читає вже минуле слово. Збіг із будь-яким із двох — норма. Тривожно інше: співрозмовник не може назвати взагалі нічого або відводить розмову від запитання.

Мікрофон на гучному зв’язку чує кімнату: відлуння від стін, обробку динаміка телефона і вас самих — усе це змінює спектр, а порівняння йде саме за спектром. Захоплення вкладки бере звук WhatsApp Web, Telegram Desktop або Zoom до динаміка, тому порівняння спирається на голос, а не на акустику кухні. Двері з’являються лише в браузерах, які вміють віддавати звук вкладки, і у вікні вибору треба увімкнути перемикач «Поділитися звуком».

Розбір запису виконує код сторінки у браузері, а в пам’яті пристрою лишається числовий відбиток: усереднені кепстральні коефіцієнти, швидкість переходу між звуками, форма довготривалого спектра і медіана основного тону. Відновити з цих чисел голос не можна — їх вистачає на порівняння, але не на відтворення. Сам запис після розрахунку не зберігається. Як і на будь-якій сторінці сайту, під час роботи збирається технічна статистика використання.

Працює правило, сильніше за будь-яку техніку: покладіть слухавку і передзвоніть самі за номером зі своєї записної книжки, а не за тим, з якого дзвонили. Не додзвонилися — зателефонуйте другому родичу, перш ніж щось робити з грошима. Якщо людина справді в біді, п’ять хвилин нічого не змінять; якщо це шахрай, розмова на цьому закінчиться. Усе інше на сторінці існує, щоб підкріпити це правило, а не щоб його замінити.