Clonación de voz

La clonación de voz es lograr que una computadora hable con la voz de una persona puntual. Le das a una IA una grabación suya y desde ahí puede decir cualquier cosa que escribas, con su tono, su tonada y su forma de hablar. Es texto a voz con la voz real de alguien en vez de una genérica, y un tipo de deepfake hecho de sonido.

Antes hacían falta horas de grabación en estudio. Ya no: en 2023, investigadores de Microsoft mostraron un modelo, VALL-E, que imitaba una voz nueva a partir de una muestra de 3 segundos, y servicios comerciales como ElevenLabs le permiten a cualquiera clonar una voz con un audio corto. Con unos segundos sale una copia tosca; con unos minutos de audio limpio suena mucho más parecida a la persona real.

Tiene usos buenos. Quien está perdiendo la voz por una enfermedad puede grabarla antes y seguir hablando con ella, un actor puede doblarse a sí mismo a otros idiomas y quien hace contenido puede corregir una narración sin volver a grabar. Pero también alimenta estafas: alguien saca unos segundos de audio de un video en redes y después llama a una madre con la voz de su hijo, llorando y pidiendo plata ya. En 2024, llamadas automáticas que imitaban la voz del presidente Biden les decían a votantes de New Hampshire que no fueran a las primarias, y después los reguladores de Estados Unidos dictaminaron que las voces generadas por IA en ese tipo de llamadas son ilegales.

La defensa práctica es simple. Si una llamada te pide plata o datos con apuro, cortá y llamá vos a la persona a un número que ya tengas, o acordá de antemano una palabra clave familiar. Una voz conocida ya no alcanza como prueba de quién está hablando.