Законопроект об ИИ в РФ: регулирование синтеза речи и TTS

Порог в 1 млрд параметров и что это меняет для голосовых пайплайнов

Определение «большой фундаментальной модели» через параметрический порог ≥1 млрд параметров выводит из-под действия закона большинство классических TTS-архитектур (Tacotron, VITS, FastSpeech) и большинство вокодеров. Под регулирование попадают LLM-based голосовые пайплайны с интегрированным синтезом речи, крупные кодировщики аудио (типа энкодеров на базе трансформеров, используемых в zero-shot клонировании), а также end-to-end модели типа VALL-E или их аналогов. Для разработчиков это означает: если конечный продукт содержит или опирается на модель из этого класса, на него распространяются требования к локализации, маркировке и документации.

Категория «национальная модель» — разработка исключительно российским юрлицом, обеспечивающим полную воспроизводимость процесса. «Суверенная» допускает иностранные компоненты, включая open-source решения, но с обработкой и хранением данных на территории РФ. Обе категории получают доступ к мерам поддержки — данные для обучения, экспорт, совместные зарубежные проекты. Голосовым командам, которые строят inference-стек на зарубежных open-weight моделях, придётся оценивать, проходит ли их сетап под определение суверенной модели или выпадает из обеих категорий.

Маркировка синтезированного аудио

Законопроект вводит право пользователя размещать информационное предупреждение на аудиоматериалах, созданных с использованием ИИ. Прямого обязательства маркировать каждый выход TTS-системы текст пока не устанавливает — формулировка работает как опция для пользователя. Однако для платформ, агрегирующих голосовой контент (подкасты, аудиокниги, звонковые ассистенты), это формирует правовую базу для внедрения обязательной маркировки на уровне правил площадки, не дожидаясь второй редакции закона. Вице-премьер Дмитрий Григоренко, представлявший инициативу, подчеркнул, что документ «не содержит никаких запретов» и нацелен на «окрашивание» именно российского ИИ.

Отдельного внимания заслуживает пункт об авторских правах: обучение модели на правомерно полученном произведении не считается нарушением, если правообладатель не закрыл объект от анализа техническими средствами. Российский книжный союз, Национальная федерация музыкальной индустрии, Ассоциация анимационного кино и Ассоциация поставщиков программных продуктов направили зампреду Совфеда Владимиру Якушеву письмо с критикой этой нормы — по их оценке, она подрывает контроль правообладателей. Для голосовой индустрии это прямая точка напряжения: датасеты для TTS и клонирования массово собираются из открытых аудиозаписей, и формулировка «не закрыл технически — значит разрешил» критична для пайплайнов обучения на озвучке книг, подкастов и публичных лекций.

Что отслеживать до второго чтения

Первое чтение фиксирует концепт, а не финальные требования. До второго чтения стоит наблюдать за тремя параметрами: уточнение определения «большая фундаментальная модель» (будет ли снижен или уточнён порог, появятся ли отдельные критерии для аудиомоделей), порядок реализации маркировки (добровольная опция или обязанность правообладателя/платформы) и судьба статьи об обучении на авторском контенте с учётом позиции четырех отраслевых ассоциаций. Отдельно — состав подзаконных актов по перечню «чувствительных» объектов, на которых допускаются только суверенные или национальные модели: туда потенциально попадают государственные колл-центры и голосовые сервисы госуслуг.

Законопроект идёт по траектории, при которой разработчику голосовых моделей в РФ придётся на архитектурном уровне решать: оставаться в классе ниже 1 млрд параметров и не попадать под регулирование, либо входить в категорию национальной/суверенной модели с полной локализацией и доступом к мерам поддержки. Промежуточная конфигурация — open-weight модель зарубежного происхождения, развёрнутая в РФ, — под действие закона формально не подпадает как «большая фундаментальная», но попадает под политические риски на «чувствительных» объектах.