Trinta segundos de áudio. Em demonstração conduzida para uma reportagem de televisão, esse foi o material suficiente para clonar a voz de uma jornalista com um aplicativo gratuito e de uso simples. A voz sintética sustentou uma ligação telefônica sem levantar suspeita imediata, e com dois minutos de gravação o resultado seria ainda mais convincente. O experimento, feito em ambiente controlado, ilustra o que criminosos já praticam em escala: as fraudes com vozes, imagens e vídeos falsos gerados por inteligência artificial cresceram 126% no Brasil em apenas um ano.
Os casos reais mostram o alcance do problema. Em um deles, o sócio de uma farmácia recebeu áudios com a voz clonada do outro sócio, pedindo transferências por Pix do caixa da empresa. A semelhança era grande, e o prejuízo só não ocorreu porque o destinatário estranhou o pedido, percebeu a troca da foto de perfil e ligou para confirmar. Em outro, uma quadrilha do Distrito Federal usou inteligência artificial para burlar sistemas de reconhecimento facial e invadir mais de 500 contas bancárias. A questão deixou de ser tecnológica e passou a ser probatória: como distinguir, com método, o autêntico do fabricado.
Como as manipulações são produzidas
A clonagem de voz parte de amostras curtas de fala, colhidas em áudios de redes sociais, mensagens de aplicativo ou entrevistas públicas. Modelos de síntese reproduzem timbre e entonação e geram frases que a pessoa jamais pronunciou. No caso do rosto, um método recorrente é induzir a vítima a uma chamada de vídeo: a gravação dessa chamada é depois reaproveitada para autenticar serviços protegidos por biometria facial, como aplicativos bancários. Já as montagens de imagem e documento combinam editores gráficos, fotos obtidas em bases públicas e tradutores automáticos. Em todos os cenários, o material técnico vem acompanhado de engenharia social: o golpista levanta informações sobre a vítima e o contexto para dar credibilidade ao conteúdo falso.
"O deepfake raramente é perfeito: a manipulação deixa vestígios técnicos e contextuais, e o exame metódico existe para expô-los."
Os vestígios que a perícia examina
Voz. O exame de fonética forense compara o áudio questionado com padrões autênticos da voz atribuída: prosódia, ritmo de fala, pausas respiratórias, ruído ambiente e artefatos característicos de síntese. Vozes clonadas tendem a apresentar regularidade artificial na entonação, transições abruptas entre trechos e ausência dos microeventos naturais da fala espontânea, elementos que a análise espectral evidencia.
Vídeo e imagem. Em vídeos manipulados, o exame busca inconsistências de iluminação e sombra, falhas de sincronia labial, bordas irregulares na região do rosto e artefatos de compressão incompatíveis com o restante do quadro. Em imagens estáticas, a análise de camadas de edição identifica regiões inseridas ou retocadas, como um rosto sobreposto ou um trecho de texto borrado sobre a foto original.
Metadados e origem. Todo arquivo digital carrega informações sobre sua criação: datas, software gerador, histórico de conversão e cadeia de encaminhamento. O confronto entre esses dados e a narrativa apresentada frequentemente revela a fraude antes mesmo do exame de conteúdo. A preservação com registro de integridade (hash) assegura que o material examinado é o mesmo que foi recebido.
Contexto. Um caso examinado em reportagem ilustra o peso desse eixo. Um cartaz que supostamente oferecia recompensa pela morte de um parlamentar, atribuído a um grupo estrangeiro, apresentava texto com marcas típicas de tradução automática, valor expresso em reais (e não na moeda que se esperaria da suposta origem), foto retirada de base pública brasileira com edição sobre a boca e, elemento decisivo, um QR Code que remetia a um serviço de denúncias do Rio de Janeiro, herdado da imagem usada na montagem. O conjunto de incongruências demonstrou tratar-se de peça fabricada, sem prejuízo de configurar, ainda assim, uma ameaça relevante do ponto de vista jurídico.
O que fazer ao receber um conteúdo suspeito
A primeira providência é preservar. O arquivo original deve ser mantido no dispositivo e na conversa em que chegou, sem reencaminhamentos que degradem qualidade e metadados, e sem edições. Convém registrar data, hora, origem e o contexto do recebimento. A segunda é confirmar por outro canal: uma ligação direta para a pessoa supostamente retratada, com perguntas sobre fatos que só ela conheceria, costuma desmontar o golpe em minutos, porque o criminoso raramente domina o histórico da relação entre as partes.
No plano preventivo, valem os cuidados básicos: não enviar fotos em modo selfie a contatos desconhecidos, muito menos segurando documentos; restringir chamadas de vídeo a pessoas de confiança; e adotar um segundo fator de autenticação além da biometria, como senha ou token, já que rosto e digital não podem ser trocados depois de comprometidos.
Quando acionar a perícia
O exame pericial torna-se necessário quando o conteúdo suspeito produz consequências: fraude financeira consumada, dano à honra ou à imagem, chantagem, uso em processo judicial ou disciplinar. O laudo técnico documenta o método aplicado, os vestígios identificados e a cadeia de custódia do material, elementos que sustentam a discussão da prova em juízo. O trabalho serve aos dois lados da questão: tanto para demonstrar que um áudio ou vídeo é fabricado quanto para sustentar a autenticidade de um registro legítimo que a parte contrária tenta desqualificar como deepfake.
Há, por fim, o cuidado com a contraprova. A mesma tecnologia que fabrica o falso alimenta uma defesa nova: alegar que o conteúdo verdadeiro é deepfake. A resposta pericial é simétrica nos dois sentidos, e por isso o exame nunca parte da conclusão desejada pela parte: parte dos vestígios. O material autêntico exibe a coerência que a fabricação ainda não reproduz por inteiro, e o material fabricado trai o processo que o gerou. Entre a acusação e a negação, o que decide é o exame.
Quanto antes o material chegar ao exame, maiores as chances de preservação íntegra dos vestígios. Diante de um conteúdo suspeito com potencial de litígio, o caminho natural é o núcleo de Fonética Forense ou uma consulta inicial de viabilidade, sem custo, para avaliar o que o caso exige.
