Los oyentes confundieron un clon de voz con la persona real el 80% de las veces. Esto es lo que escuchan los detectores

Un periodista científico clonó su propia voz con una herramienta gratuita y salió a buscar las pistas que la delatan. Los investigadores dicen que la mayoría de la gente no las oye: en un estudio de Berkeley, los oyentes confundieron un clon con la persona real cerca del 80% de las veces. Esto es lo que miden los detectores, y lo que significa para quien vive de su voz.

Si te ganas la vida con la voz, el número más incómodo de la tecnología de voz esta semana no es un precio ni una valuación. Es 60. Es más o menos la frecuencia con la que oyentes comunes detectaron correctamente una voz generada por IA en un estudio de la Universidad de California en Berkeley, cuando lanzar una moneda les daría 50.

El estudio es la columna vertebral de un artículo que Scientific American publicó el lunes, en el que el periodista científico y analista acústico Shafik Quoraishee clonó su propia voz y luego desarmó ambas versiones para averiguar qué sigue delatando a un clon. Su respuesta es útil, un poco alarmante y vale la pena conocerla antes de que aparezca con tu nombre un audio que nunca grabaste.

Tres segundos y un par de clics

Quoraishee cuenta que hace tres años clonar su voz requería horas de grabación y un montón de herramientas especializadas para lograr una sola frase corta que sonara como él. La semana pasada lo hizo con un programa gratuito de código abierto, unos segundos de audio y un par de clics.

Sarah Barrington, doctoranda de UC Berkeley que estudia la clonación de voz con IA, le dijo que eso ya es lo normal. Como mucho, explicó, un servicio de clonación puede pedir al usuario que confirme que tiene derecho a copiar una voz. “Hay plataformas en línea que anuncian que con apenas tres segundos de la voz de alguien pueden crear un clon”, dijo Barrington. La clonación de voz pasó, en sus palabras, “casi de la noche a la mañana, de ser algo bastante técnico a estar al alcance inmediato de cualquier consumidor”. En sus clases, clona su propia voz a partir de un video de YouTube en unos 90 segundos.

Los estafadores lo notaron. Scientific American cita un informe de Reuters de septiembre sobre alguien que se hizo pasar por abogado y, con una voz clonada, convenció a un gran banco privado italiano de transferir unos 95 millones de euros al extranjero.

Tus oídos, y los de tu cliente, no son la red de seguridad

El estudio de Barrington, publicado en Scientific Reports junto con Emily A. Cooper y Hany Farid, hizo escuchar voces reales y clonadas de 220 hablantes a más de 600 oyentes. Cuando debían señalar las falsas una por una, acertaron cerca del 60% de las veces. Al escuchar una voz real y su clon lado a lado, consideraron que eran la misma persona cerca del 80% de las veces.

Captura: la página del estudio en Scientific Reports, 4 de noviembre de 2026

“Solo el 60% de las veces los humanos pueden darse cuenta de que algo es falso. Teniendo en cuenta que adivinar al azar daría un 50%, no somos mucho mejores que quien adivina”, dijo Barrington cuando la Escuela de Información de Berkeley anunció los resultados. “Así sabemos que prácticamente ya cruzamos el valle inquietante”.

Las viejas pistas también desaparecieron. Los clones solían sonar demasiado pulidos, sin las respiraciones, las pausas y los “ehm” del habla real. Quoraishee escribe que ahora esos detalles se agregan a propósito para disimular el clon.

Lo que escuchan las máquinas

Por eso los investigadores dejaron de confiar en el oído y empezaron a medir la onda sonora. Si haces suficiente zoom en la grabación de una voz humana, puedes ver cada vibración de las cuerdas vocales como una pequeña joroba que se repite. Las mínimas variaciones en la duración de esos ciclos se llaman jitter. Las variaciones en la altura de sus picos se llaman shimmer. Un modelo de detección combina rasgos como estos, y muchos otros, para decidir si una voz es real.

Ninguno funciona solo. Barrington dijo a Scientific American que un detector entrenado para reconocer las herramientas de una empresa de clonación “a menudo no se traslada bien a otros proveedores”, y que el análisis espectral puede revelar rarezas de herramientas concretas, pero ninguna medida las atrapa a todas. “Uno esperaría ver de inmediato las señales”, dijo. “Para nada es así”. Una llamada telefónica lo complica aún más, porque elimina buena parte del detalle forense.

VOICEMASTERACADEMYDe la primera lectura al primer trabajo.Veinte módulos. El primero es gratis.Empieza gratis

La prueba del propio Quoraishee es la parte que los actores de voz quizá quieran leer dos veces. Comparó dos docenas de frases dichas por él con las versiones de su clon. Con un calefactor zumbando de fondo, el jitter del clon fue estadísticamente indistinguible del suyo, aunque su shimmer era más estable. En una habitación silenciosa, el clon salió mediblemente más limpio, con menos ruido bajo el tono en las 12 frases, incluso después de simular una llamada telefónica.

Dicho de otro modo, en su pequeña prueba el clon se delató por ser más prolijo que una persona real en una habitación silenciosa. Es un resultado curioso para una profesión que invierte buen dinero en cabinas tratadas. No significa que una grabación limpia parezca falsa. Sí significa que nadie debería esperar que una sola lectura de un medidor resuelva si un audio eres tú.

Marcas de agua: la puerta con llave

La respuesta más prometedora, dice Scientific American, puede venir dentro de las propias herramientas de clonación. Algunas empresas que hacen audio con IA, entre ellas Google, esconden una marca de agua inaudible en lo que generan: cambios mínimos repartidos por el sonido que un detector puede leer después, y que viajan con el archivo adonde sea que se comparta.

Captura: la página de SynthID de Google DeepMind, 4 de noviembre de 2026

No son infalibles. Alguien puede alterar una grabación lo suficiente para borrar la marca, y en algunos programas de código abierto la marca de agua es opcional. Aun así, a Barrington le gustan. Como una puerta con llave, dijo, una buena marca de agua puede “dejar fuera el 99 [por ciento] de los casos malos”. Para el resto, la detección tendrá que mejorar tan rápido como las herramientas de clonación.

Por qué importa a los actores de voz

Los casos que Voice Over Herald cubrió este otoño terminan siempre en la misma pregunta: quién puede demostrar cuál voz es la real. El programa de un podcaster, inactivo desde hacía años, volvió con episodios nuevos en lo que los periodistas dicen que era su voz clonada, y hoy un actor de doblaje alemán demanda a Netflix por entrenar IA con sus grabaciones. El trabajo de Barrington sugiere que en disputas como estas, “suena como yo” no pesará mucho por sí solo, ni para un juez ni para nadie.

La buena noticia es que las herramientas mejoran, y los hábitos que ayudan son baratos. Un actor de voz con un archivo de originales fechados, la costumbre de preguntar a sus clientes cómo se marca el audio generado y una idea aproximada de qué son el jitter y el shimmer ya está mejor preparado que la mayoría cuando aparece el audio de un desconocido.

Fuentes: Shafik Quoraishee, “How to tell if a voice recording is AI-generated”, Scientific American, 2 de noviembre de 2026; Sarah Barrington, Emily A. Cooper y Hany Farid, “People are poorly equipped to detect AI-powered voice clones”, Scientific Reports, 31 de marzo de 2025; comunicado de la Escuela de Información de UC Berkeley, abril de 2025; Google DeepMind, SynthID. Las citas de fuentes en inglés son traducciones de Voice Over Herald.

Read this article in English: Listeners Took a Voice Clone for the Real Person 80% of the Time. Here's What Detectors Listen For Instead

¿Sabe algo más sobre esta noticia, o ha visto un error? Escriba a la redacción.