Treinta segundos de audio. En una demostración conducida para un reportaje de televisión, ese fue el material suficiente para clonar la voz de una periodista con una aplicación gratuita y de uso simple. La voz sintética sostuvo una llamada telefónica sin levantar sospecha inmediata, y con dos minutos de grabación el resultado sería aún más convincente. El experimento, hecho en un entorno controlado, ilustra lo que los criminales ya practican a escala: los fraudes con voces, imágenes y videos falsos generados por inteligencia artificial crecieron 126% en Brasil en apenas un año.
Los casos reales muestran el alcance del problema. En uno de ellos, el socio de una farmacia recibió audios con la voz clonada del otro socio, pidiendo transferencias por Pix (el sistema de pagos instantáneos brasileño) desde la caja de la empresa. La semejanza era grande, y el perjuicio no llegó a concretarse porque el destinatario encontró extraño el pedido, notó el cambio de la foto de perfil y llamó para confirmar. En otro, una banda del Distrito Federal usó inteligencia artificial para burlar sistemas de reconocimiento facial e invadir más de 500 cuentas bancarias. La cuestión dejó de ser tecnológica y pasó a ser probatoria: cómo distinguir, con método, lo auténtico de lo fabricado.
Cómo se producen las manipulaciones
La clonación de voz parte de muestras cortas de habla, recogidas en audios de redes sociales, mensajes de aplicaciones o entrevistas públicas. Los modelos de síntesis reproducen timbre y entonación y generan frases que la persona jamás pronunció. En el caso del rostro, un método recurrente es inducir a la víctima a una videollamada: la grabación de esa llamada se reaprovecha después para autenticar servicios protegidos por biometría facial, como aplicaciones bancarias. Los montajes de imagen y documento, por su parte, combinan editores gráficos, fotos obtenidas en bases públicas y traductores automáticos. En todos los escenarios, el material técnico viene acompañado de ingeniería social: el estafador levanta información sobre la víctima y el contexto para dar credibilidad al contenido falso.
"El deepfake rara vez es perfecto: la manipulación deja vestigios técnicos y contextuales, y el examen metódico existe para exponerlos."
Los vestigios que la pericia examina
Voz. El examen de fonética forense compara el audio cuestionado con patrones auténticos de la voz atribuida: prosodia, ritmo de habla, pausas respiratorias, ruido ambiente y artefactos característicos de síntesis. Las voces clonadas tienden a presentar regularidad artificial en la entonación, transiciones abruptas entre segmentos y ausencia de los microeventos naturales del habla espontánea, elementos que el análisis espectral evidencia.
Video e imagen. En videos manipulados, el examen busca inconsistencias de iluminación y sombra, fallas de sincronía labial, bordes irregulares en la región del rostro y artefactos de compresión incompatibles con el resto del cuadro. En imágenes estáticas, el análisis de capas de edición identifica regiones insertadas o retocadas, como un rostro superpuesto o un fragmento de texto difuminado sobre la foto original.
Metadatos y origen. Todo archivo digital lleva información sobre su creación: fechas, software generador, historial de conversión y cadena de reenvíos. El cotejo entre esos datos y la narrativa presentada frecuentemente revela el fraude antes incluso del examen de contenido. La preservación con registro de integridad (hash) asegura que el material examinado es el mismo que fue recibido.
Contexto. Un caso examinado en un reportaje ilustra el peso de este eje. Un cartel que supuestamente ofrecía recompensa por la muerte de un parlamentario, atribuido a un grupo extranjero, presentaba texto con marcas típicas de traducción automática, un monto expresado en reales (y no en la moneda que se esperaría del supuesto origen), una foto tomada de una base pública brasileña con edición sobre la boca y, elemento decisivo, un código QR que remitía a un servicio de denuncias de Río de Janeiro, heredado de la imagen usada en el montaje. El conjunto de incongruencias demostró que se trataba de una pieza fabricada, sin perjuicio de configurar, aun así, una amenaza relevante desde el punto de vista jurídico.
Qué hacer al recibir un contenido sospechoso
La primera medida es preservar. El archivo original debe mantenerse en el dispositivo y en la conversación en que llegó, sin reenvíos que degraden calidad y metadatos, y sin ediciones. Conviene registrar fecha, hora, origen y el contexto de la recepción. La segunda es confirmar por otro canal: una llamada directa a la persona supuestamente retratada, con preguntas sobre hechos que solo ella conocería, suele desmontar la estafa en minutos, porque el criminal rara vez domina el historial de la relación entre las partes.
En el plano preventivo, valen los cuidados básicos: no enviar fotos en modo selfie a contactos desconocidos, mucho menos sosteniendo documentos; restringir las videollamadas a personas de confianza; y adoptar un segundo factor de autenticación además de la biometría, como contraseña o token, ya que el rostro y la huella digital no pueden cambiarse después de comprometidos.
Cuándo recurrir a la pericia
El examen pericial se vuelve necesario cuando el contenido sospechoso produce consecuencias: fraude financiero consumado, daño al honor o a la imagen, chantaje, uso en un proceso judicial o disciplinario. El dictamen técnico documenta el método aplicado, los vestigios identificados y la cadena de custodia del material, elementos que sustentan la discusión de la prueba ante el juez. El trabajo sirve a los dos lados de la cuestión: tanto para demostrar que un audio o video es fabricado como para sostener la autenticidad de un registro legítimo que la parte contraria intenta descalificar como deepfake.
Hay, por último, el cuidado con la contraprueba. La misma tecnología que fabrica lo falso alimenta una defensa nueva: alegar que el contenido verdadero es un deepfake. La respuesta pericial es simétrica en ambos sentidos, y por eso el examen nunca parte de la conclusión deseada por la parte: parte de los vestigios. El material auténtico exhibe la coherencia que la fabricación todavía no reproduce por completo, y el material fabricado traiciona el proceso que lo generó. Entre la acusación y la negación, lo que decide es el examen.
Cuanto antes llegue el material al examen, mayores son las posibilidades de preservación íntegra de los vestigios. Ante un contenido sospechoso con potencial de litigio, el camino natural es el núcleo de Fonética Forense o una consulta inicial de viabilidad, sin costo, para evaluar lo que el caso exige.
