Faltaban pocos días para la elección cuando el audio comenzó a circular por los grupos de WhatsApp de una ciudad del interior de Mato Grosso do Sul. En él, el alcalde, candidato a la reelección y gran productor rural de la región, ofendía duramente a la población más humilde. El material era devastador en la peor hora posible: un hombre adinerado despreciando a los electores que decidirían su futuro. Solo había un problema. Esa voz nunca salió de una garganta.
La pericia constató que el audio no era una grabación editada: era una fabricación integral, voz sintética generada por inteligencia artificial. La clave del análisis fue lo que faltaba. El habla humana carga la reverberación natural del instrumento fonador: la caja torácica, el tracto vocal, el cuerpo entero imprimen en el sonido variaciones orgánicas, irregulares, vivas. El audio sintético examinado exhibía una frecuencia prácticamente uniforme, con variaciones de naturaleza determinística, el patrón de un proceso de generación, no de un ser humano hablando. El dictamen fue presentado a la Justicia Electoral brasileña, el material fue reconocido como falso y el fraude no alteró el desenlace: el candidato atacado se reeligió con amplia mayoría.
El otro falso: el montaje por edición
No todo audio fraudulento nace en un generador de voz. En una disputa en un juzgado de familia, marido y esposa presentaron grabaciones uno contra el otro: ella incorporó audios con las ofensas de él; él incorporó audios en que ella lo atacaba de forma aún más grave. Cada uno negaba la autenticidad del material de la contraparte. El examen respondió a los dos. El audio presentado por la esposa era íntegro. El audio presentado por el marido tenía, en efecto, la voz de la esposa, pero era un collage: fragmentos grabados en momentos diversos, recompuestos en el orden que interesaba a la narrativa de él. La secuencia no tenía lógica interna, y el análisis identificó los puntos de corte y reestructuró parte del material a partir de las discontinuidades del ruido de fondo, que cambia de un ambiente a otro y traiciona el empalme. Quien forjó la prueba respondió por litigación de mala fe (CPC, arts. 79 a 81, del Código Procesal Civil brasileño).
"El habla humana reverbera en el cuerpo que la produce. La voz sintética tiene la regularidad de una máquina. Y el montaje, por bueno que sea, deja el empalme donde el ruido de fondo cambia."
Lo que busca el examen de autenticidad
A diferencia de la comparación de hablante, que pregunta quién habló, el examen de autenticidad pregunta si la grabación es íntegra y original. El trabajo recorre capas: la continuidad de la señal (cortes, empalmes, transiciones abruptas de espectro), la coherencia del ambiente acústico (reverberación, ruido de fondo, distancia del micrófono constantes o no), los vestigios de recompresión y reprocesamiento del archivo, los metadatos del contenedor y, en la frontera actual, los patrones que separan el habla orgánica de la sintética. Cada hallazgo se documenta de forma reproducible: otro perito, rehaciendo el camino, llega a las mismas constataciones.
El tiempo también declara. Los metadatos del archivo registran fechas de creación y modificación que deben cerrar con la historia contada en el expediente: un audio supuestamente grabado en enero, en un archivo creado en marzo, tiene una explicación que dar. Y la versión del formato, la aplicación generadora y la cadena de recompresiones cuentan por cuántas herramientas pasó el material antes de convertirse en "prueba".
El audio reenviado pierde el respaldo
Buena parte de los audios que se convierten en prueba llega por reenvío: alguien lo recibió, lo reenvió, lo guardó y lo incorporó al expediente. Ese material todavía puede analizarse como audio, pero pierde lo que más importa ante el juez: el respaldo del origen y la cadena de custodia. ¿De dónde vino, por cuántas manos pasó, qué recomprimió y borró cada reenvío? La parte contraria puede cuestionar exactamente eso, y derribar la utilización del material por la imposibilidad de demostrar la procedencia.
La respuesta madura une dos núcleos periciales. La informática forense extrae y preserva la evidencia en el aparato de origen, con hash y cadena de custodia documentada: el audio deja de ser un archivo suelto y se convierte en un objeto rastreable hasta la fuente. Sobre ese material preservado, la fonética forense conduce el examen de autenticidad y, cuando el caso lo exige, la comparación con el patrón de voz de quien se imputa el habla. Un núcleo demuestra que el audio es aquel; el otro, lo que el audio es.
De la grabación al papel: la transcripción con valor pericial
Autenticada la grabación, queda un paso que suele subestimarse: transformarla en texto utilizable en el expediente. La transcripción forense no es la transcripción comercial que cualquier servicio automático entrega. Es fiel y normalizada: registra pausas, vacilaciones, superposiciones de voces y hablas simultáneas; marca los fragmentos ininteligibles en lugar de inventar lo que "parece" haber sido dicho; y documenta las hipótesis de lectura con el grado de confiabilidad de cada fragmento. La diferencia importa porque la transcripción automática se equivoca exactamente donde el caso se decide: en el nombre susurrado, en el monto dicho con ruido de fondo, en la frase cortada. El texto que va al proceso debe cargar la misma honestidad del examen que lo sustenta: decir lo que se oye, declarar lo que no se oye y nunca llenar lagunas con suposiciones.
Qué preservar cuando el audio importa
- El aparato que recibió o grabó el audio originalmente, sin borrar la conversación;
- La conversación completa en la aplicación, no solo el archivo exportado;
- Ningún reenvío: reenviar recomprime el archivo y descarta metadatos;
- El registro de quién lo envió, cuándo y en qué contexto;
- La activación de la pericia antes de cualquier tratamiento o "mejora" casera del sonido.
La era de la inteligencia artificial no inauguró el audio falso; lo industrializó. El montaje artesanal del caso del juzgado de familia y la fabricación integral del caso electoral son puntas del mismo problema, y la respuesta para ambas es la misma: la autenticidad no se decide de oído, se decide por examen. Entre el audio que circula y el audio que prueba, existe un laboratorio en el camino.
