Faltavam poucos dias para a eleição quando o áudio começou a circular pelos grupos de WhatsApp de uma cidade do interior do Mato Grosso do Sul. Nele, o prefeito, candidato à reeleição e grande produtor rural da região, ofendia pesadamente a população mais humilde. O material era devastador na pior hora possível: um homem de posses desprezando os eleitores que decidiriam seu futuro. Só havia um problema. Aquela voz nunca saiu de uma garganta.
A perícia constatou que o áudio não era uma gravação editada: era uma fabricação integral, voz sintética gerada por inteligência artificial. A chave da análise foi o que faltava. A fala humana carrega a reverberação natural do instrumento fonador: a caixa torácica, o trato vocal, o corpo inteiro imprimem no som variações orgânicas, irregulares, vivas. O áudio sintético examinado exibia frequência praticamente uniforme, com variações de natureza determinística, o padrão de um processo de geração, não de um ser humano falando. O laudo foi apresentado à Justiça Eleitoral, o material foi reconhecido como falso e a fraude não alterou o desfecho: o candidato atacado se reelegeu com ampla maioria.
O outro falso: a montagem por edição
Nem todo áudio fraudulento nasce em um gerador de voz. Em uma disputa na vara de família, marido e esposa apresentaram gravações um contra o outro: ela juntou áudios com as ofensas dele; ele juntou áudios em que ela o atacava de forma ainda mais grave. Cada um negava a autenticidade do material da contraparte. O exame respondeu aos dois. O áudio apresentado pela esposa era íntegro. O áudio apresentado pelo marido tinha, de fato, a voz da esposa, mas era uma colagem: trechos gravados em momentos diversos, recompostos na ordem que interessava à narrativa dele. A sequência não tinha lógica interna, e a análise identificou os pontos de corte e reestruturou parte do material a partir das descontinuidades do ruído de fundo, que muda de um ambiente para outro e trai a emenda. Quem forjou a prova respondeu por litigância de má-fé (CPC, arts. 79 a 81).
"A fala humana reverbera no corpo que a produz. A voz sintética tem a regularidade de uma máquina. E a montagem, por melhor que seja, deixa a emenda onde o ruído de fundo muda."
O que o exame de autenticidade procura
Diferentemente da comparação de locutor, que pergunta quem falou, o exame de autenticidade pergunta se a gravação é íntegra e original. O trabalho percorre camadas: a continuidade do sinal (cortes, emendas, transições abruptas de espectro), a coerência do ambiente acústico (reverberação, ruído de fundo, distância do microfone constantes ou não), os vestígios de recompressão e reprocessamento do arquivo, os metadados do contêiner e, na fronteira atual, os padrões que separam a fala orgânica da sintética. Cada achado é documentado de forma reprodutível: outro perito, refazendo o caminho, chega às mesmas constatações.
O tempo também depõe. Os metadados do arquivo registram datas de criação e modificação que precisam fechar com a história contada nos autos: um áudio supostamente gravado em janeiro, num arquivo criado em março, tem uma explicação a dar. E a versão do formato, o aplicativo gerador e a cadeia de recompressões contam por quantas ferramentas o material passou antes de virar "prova".
O áudio encaminhado perde o lastro
Boa parte dos áudios que viram prova chega por encaminhamento: alguém recebeu, reencaminhou, salvou e juntou aos autos. Esse material ainda pode ser analisado como áudio, mas perde o que mais importa em juízo: o lastro da origem e a cadeia de custódia. De onde veio, por quantas mãos passou, o que cada reenvio recomprimiu e apagou? A parte contrária pode questionar exatamente isso, e derrubar a utilização do material pela impossibilidade de demonstrar a procedência.
A resposta madura une dois núcleos periciais. A forense computacional extrai e preserva a evidência no aparelho de origem, com hash e cadeia de custódia documentada: o áudio deixa de ser um arquivo solto e vira um objeto rastreável até a fonte. Sobre esse material preservado, a fonética forense conduz o exame de autenticidade e, quando o caso exige, a comparação com o padrão de voz daquele a quem se imputa a fala. Um núcleo demonstra que o áudio é aquele; o outro, o que o áudio é.
Da gravação ao papel: a degravação com valor pericial
Autenticada a gravação, resta um passo que costuma ser subestimado: transformá-la em texto utilizável nos autos. A degravação forense não é a transcrição comercial que qualquer serviço automático entrega. Ela é fiel e normatizada: registra pausas, hesitações, sobreposições de vozes e falas simultâneas; marca os trechos ininteligíveis em vez de inventar o que "parece" ter sido dito; e documenta as hipóteses de leitura com o grau de confiabilidade de cada trecho. A diferença importa porque a transcrição automática erra exatamente onde o caso se decide: no nome sussurrado, no valor dito com ruído ao fundo, na frase cortada. O texto que vai ao processo precisa carregar a mesma honestidade do exame que o sustenta: dizer o que se ouve, declarar o que não se ouve e nunca preencher lacunas com suposição.
O que preservar quando o áudio importa
- O aparelho que recebeu ou gravou o áudio originalmente, sem apagar a conversa;
- A conversa completa no aplicativo, não apenas o arquivo exportado;
- Nenhum reenvio: encaminhar recomprime o arquivo e descarta metadados;
- O registro de quem enviou, quando e em qual contexto;
- Acionamento da perícia antes de qualquer tratamento ou "melhoria" caseira do som.
A era da inteligência artificial não inaugurou o áudio falso; ela o industrializou. A montagem artesanal do caso da vara de família e a fabricação integral do caso eleitoral são pontas do mesmo problema, e a resposta para ambas é a mesma: autenticidade não se decide de ouvido, decide-se por exame. Entre o áudio que circula e o áudio que prova, existe um laboratório no caminho.
