VOICEPRINT
Где Я в этом потоке?
Сегодня текст может пройти через другой язык, AI-модель, редактуру, адаптацию — и вернуться почти безупречным.
Грамматически правильным. Естественным. Плавным. Иногда даже более литературным, чем исходный.
И именно здесь появляется проблема.
Текст после такой обработки может стать лучше. Иногда именно это и есть потеря.
Потому что в какой-то момент приходится спросить уже не:
«Хорошо ли переведён этот текст?»
А:
«Остался ли в нём я?»
Как всё началось
Продолжить историю ↓
В стране, где я тогда жил, значительную часть того, о чём я писал и как смотрел на человека, общество, жизнь и реальность, я не мог свободно публиковать.
Поэтому самый очевидный путь — написать книгу и издать её там — для меня фактически был закрыт.
Оставался другой путь: выйти за пределы одного языка.
Но здесь возникла другая проблема.
Я не владел иностранными языками настолько свободно, чтобы самостоятельно переносить на них сложный литературный и философский текст.
А профессиональный перевод больших произведений стоил столько, что для меня практически не являлся реальным вариантом.
Поэтому тексты могли существовать годами — в тетрадях, файлах и черновиках.
Не потому, что я не хотел довести их до читателя.
Просто я не видел реального способа это сделать.
С появлением современных AI-систем ситуация впервые начала меняться.
Стало возможно работать с большими объёмами текста, собирать разрозненные материалы, удерживать структуру и терминологию, возвращаться к решениям, принятым десятки и сотни страниц назад, переводить и транскреировать произведения на другие языки.
То, что раньше требовало знания языков, большой команды и денег, которых у меня не было, вдруг стало практически достижимым.
Сначала это ощущалось почти как освобождение.
Я начал показывать переведённые тексты людям, хорошо знающим целевой язык, и спрашивать, насколько естественно они звучат, чувствуется ли машинность, есть ли ошибки или странные места.
И постепенно стало понятно:
AI уже способен создать текст, который носитель языка может оценить как хороший, естественный и литературный.
Казалось бы — проблема решена.
Но именно тогда появилась другая.
Кто говорит?
Человек, читающий английский текст, может сказать мне:
«Да, это хороший английский».
Но знает ли он, что именно было важно сохранить в русском оригинале?
Почему я написал эту фразу именно так?
Почему повторил одно слово несколько раз?
Почему оставил предложение тяжёлым?
Почему персонаж говорит грубо?
Почему что-то намеренно осталось недосказанным?
Почему я выбрал одну метафору, хотя другую можно было бы сделать красивее?
Для человека, который видит только итоговый перевод, всего этого может просто не существовать.
Но появилась и ещё более странная проблема.
Я сам не знал целевой язык настолько хорошо, чтобы проверить всё это самостоятельно.
То есть AI был нужен мне для того, чтобы перенести мой текст на другой язык.
А потом мне снова был нужен AI — уже для того, чтобы помочь мне понять, что именно произошло с моим текстом после этого переноса.
Я просил сравнивать версии.
Объяснять различия.
Возвращаться к оригиналу.
Показывать возможные смысловые потери.
Проверять терминологию.
Напоминать прежние решения.
Сопоставлять сцены, написанные далеко друг от друга.
Получался довольно странный процесс:
я использовал AI, чтобы с помощью AI проверить работу AI.
Но другого способа увидеть происходящее у меня просто не было.
И постепенно я понял: мне нужен не «лучший переводчик».
Мне нужен такой процесс, внутри которого я сам смогу понимать, что происходит с моей книгой.
Сначала появился ATP
Так появился Ashraellen Transcreation Protocol — ATP.
Он был первой попыткой собрать работу в понятную систему.
Мы сравнивали разные способы переноса текста: обычный перевод, более свободную AI-транскреацию и работу через ATP.
Пробовали отдельные AI-чаты.
Сравнивали результаты.
Проверяли, насколько сохраняются смысл, терминология, структура, голос и уже принятые решения.
ATP постепенно перестал быть просто набором инструкций.
У него появился собственный публичный репозиторий, документация, версии и DOI.
Но работа с ним привела к следующей проблеме.
Проверять термин можно.
Сравнить структуру можно.
Найти пропущенный смысл тоже можно.
Но как проверить самого автора?
Где Я?
Вот здесь вопрос перестал быть только вопросом перевода.
Допустим, AI не потерял факты.
Не перепутал персонажей.
Правильно передал содержание.
Текст хорошо читается.
Носитель языка говорит, что всё звучит естественно.
Но достаточно ли этого?
В какой момент перевод перестаёт быть моей книгой и становится очень хорошей версией того, как AI понял мою книгу?
И можно ли вообще увидеть эту границу, если я сам недостаточно хорошо знаю язык результата?
Именно отсюда для меня появился Voiceprint.
Не из желания создать новую технологию.
Из гораздо более личного вопроса:
где я во всём этом потоке преобразований?
Автор
Автор — это не набор красивых фраз
Довольно быстро стало понятно, что авторское присутствие невозможно свести только к стилю.
Это не набор любимых слов.
Не количество длинных предложений.
Не несколько характерных оборотов, которые можно показать модели и попросить её «писать похоже».
Автор находится ещё и в решениях.
В том, что он оставил.
В том, что убрал.
В том, что намеренно не объяснил.
В повторе.
В ритме.
В метафоре.
В грубости.
В странной фразе.
В неоднозначности.
В ошибке, которая для него уже не ошибка.
И даже в том месте, которое хороший редактор очень хотел бы исправить.
Поэтому появился принцип, который остался со мной до сих пор:
автор имеет право не быть улучшенным.
Когда правильный текст становится неправильным
AI очень хорошо умеет нормализовать.
Странное превращать в привычное.
Тяжёлое — в лёгкое.
Неровное — в гладкое.
Двусмысленное — в понятное.
Необычное — в более ожидаемое.
Во многих задачах это преимущество.
Но в литературе возникает парадокс.
Чем лучше текст становится по общим правилам, тем дальше иногда он уходит от конкретного автора.
Поэтому беглость текста ещё не означает верность.
Хороший английский текст и моя книга на английском языке — не обязательно одно и то же.
Человек остаётся источником смысла
Постепенно вокруг работы сформировалась простая граница:
human-authored / human-directed / AI-assisted
AI может переводить.
Предлагать варианты.
Сравнивать.
Искать расхождения.
Проверять терминологию.
Помнить решения.
Возвращать контекст.
Показывать возможную смысловую потерю.
Он может взять на себя огромный объём сложности.
Но последнее решение о том, что именно является произведением, остаётся за автором.
Для себя я сформулировал это ещё проще:
Сложность можно делегировать. Каноническую власть — нет.
Процесс
Потом одного протокола стало мало
Чем длиннее становилась работа, тем очевиднее была ещё одна проблема.
Книгу нельзя удержать одним хорошим запросом к AI.
У произведения постепенно появляется собственная история решений.
Почему имя переведено именно так?
Почему этот термин нельзя заменить?
Почему похожая фраза сто страниц назад была решена иначе?
Почему персонаж должен говорить именно этим словом?
Какая версия была только предложена?
Какая прошла проверку?
А какую уже принял автор?
Стало понятно, что сохранять нужно не только текст.
Нужно сохранять историю решений вокруг текста.
Voiceprint начал постепенно превращаться из вопроса в рабочий процесс.
От Voiceprint к Engine
Следующие ступени появились уже очень практично.
Voiceprint привёл к Voiceprint Engine 2.0 — попытке разделить саму транскреацию, её проверку, состояние работы и принятие результата.
Работа с Engine 2.0 показала следующий недостаток: система не должна быть построена вокруг одной конкретной книги или хранить литературный проект внутри себя.
Поэтому появилась нынешняя версия — Voiceprint Engine 2.1.
Её принцип гораздо проще, чем её внутренняя архитектура:
Engine управляет процессом.
Проект хранит произведение.
Автор определяет канон.
Engine 2.1 не является отдельным литературным проектом и не должен становиться владельцем текста. Он организует процесс вокруг того проекта, с которым я в данный момент работаю.
Даже прохождение внутренней проверки ещё не означает автоматического превращения текста в авторский канон.
Последнее решение остаётся отдельным авторским действием.
Во что это превратилось
На одном из этапов Voiceprint рассматривался и как возможное самостоятельное исследовательское направление.
Мы изучали существующие подходы, сравнивали их с тем, что складывалось у нас в работе, и постепенно стало понятно: многие похожие идеи и механизмы уже существуют.
Где-то в другой форме.
Где-то для других задач.
Где-то гораздо глубже и технически сложнее.
Для меня это оказалось даже полезным.
Мне перестало быть важно доказывать, что Voiceprint — это новая технология или что он должен быть лучше других систем.
И не стало смысла превращать его в отдельный продукт только потому, что когда-то он развивался как самостоятельный проект.
Сегодня он просто является частью моей рабочей инфраструктуры.
Он помогает мне работать с текстом, языком, памятью решений и AI так, чтобы я сам мог понимать, что происходит с произведением.
Этого достаточно.
MONOLITH
Одной из главных реальных сред, где всё это проверялось, стала трилогия MONOLITH — BETON, SLUDGE и GAS.
Она не создавалась для Voiceprint.
Это самостоятельное литературное произведение.
Но именно большая книга быстро показывает проблемы, которых почти невозможно увидеть на одном абзаце.
Решение, принятое сегодня, может изменить смысл сцены через двести страниц.
Имя.
Повтор.
Образ.
Термин.
Интонация персонажа.
Связь с первым томом, которая становится понятной только в третьем.
В длинном произведении перевод должен не только знать язык.
Он должен помнить книгу.
А я должен иметь возможность понять, что именно он помнит и почему принимает то или иное решение.
Открыть трилогию →И всё-таки — где Я?
В начале вопрос был довольно простым:
остался ли я в переведённом тексте?
Но чем дольше я работал таким образом, тем страннее становился сам процесс.
Я формулирую мысль.
AI возвращает её мне немного иначе.
Я смотрю на неё и замечаю что-то, чего раньше сам не видел.
Спорю.
Исправляю.
Возвращаю обратно.
Часть решений сохраняется.
Позже другой разговор или другая система получает часть этого контекста.
Работа продолжается.
И в какой-то момент становится трудно провести простую линию:
вот здесь был я, а вот здесь была машина.
Это не означает, что AI становится автором моей книги.
Для меня авторская граница как раз остаётся довольно ясной.
Но сам процесс понимания становится сложнее.
Мысль может пройти через меня, текст, AI, сохранённую память, другой разговор — и снова вернуться ко мне.
Иногда уже в таком виде, который заставляет меня самому изменить первоначальный вывод.
И тогда старый вопрос Voiceprint начинает звучать немного иначе.
Не только:
«Остался ли я в тексте?»
Но и:
«Где вообще находится понимание, если мысль развивается через несколько человеческих и технологических звеньев?»
В человеке?
В тексте?
В модели?
В сохранённой истории решений?
В связи между ними?
Или в самой непрерывности процесса?
Я пока не знаю.
И, пожалуй, именно поэтому этот вопрос мне до сих пор интересен.
Что должно остаться
Технологии будут меняться.
AI-модели станут другими.
То, что сегодня приходится строить вручную, завтра, возможно, станет обычной функцией какого-нибудь инструмента.
Voiceprint Engine тоже наверняка будет меняться.
Это нормально.
Мне не нужно, чтобы он навсегда оставался особенным.
Мне нужно другое.
Чтобы книга могла пройти через язык.
Чтобы сложность можно было отдать системе.
Чтобы ошибку можно было обнаружить.
Чтобы решение можно было восстановить.
Чтобы работу можно было продолжить.
Чтобы я мог пользоваться AI даже там, где сам не владею языком достаточно хорошо, — и при этом не отдавать ему право незаметно решить за меня, что именно я хотел сказать.
И чтобы в конце всего этого процесса я всё ещё мог посмотреть на текст и сказать:
Да. Это написал я.
Продолжить разговор
Контакт
Если вы хотите обсудить мою работу, поделиться наблюдением или предложить сотрудничество, можно написать напрямую.