Clonación vocalVoice Cloning

Unas pocas frases bastan

Antes, para construir la voz de una persona hacía falta que leyera durante horas en un estudio de grabación. Hoy se hace distinto: primero se aprende, con muchísima variedad, cómo suenan las voces de mucha gente; después, la voz de una persona nueva solo necesita aportar sus rasgos, en una grabación corta, para montarse sobre esa base.

Lo que se extrae es un conjunto de números que resume el timbre de esa voz. Ahí quedan cosas como el rango en el que vibran las cuerdas vocales, la forma de la resonancia y las costumbres de pronunciación. Si ese conjunto se pasa a una tecnología de lectura en voz alta, la misma frase sale con el timbre de esa persona.

Por eso la grabación necesaria es corta. El problema empieza en que la voz de una persona ya está dispersa en muchos sitios, y reunirla no exige ningún permiso.

La voz y el contenido van por separado

La voz clonada no es un empalme de grabaciones. Solo se toma prestado el timbre, y el contenido que se dice se escribe de nuevo. Por eso pueden leerse con esa voz palabras que jamás aparecieron en la grabación original, e incluso frases en otro idioma.

Ahí está la diferencia con una simple imitación. Cuando una persona imita a otra, en el mejor de los casos se le parece; una voz clonada toma prestado el timbre en sí. Se ha llegado a un punto en el que hasta un familiar, al teléfono, tiene dificultades para distinguirla, sobre todo con ruido de fondo.

También hay usos que ayudan

Alguien que sabe que puede perder la voz por una enfermedad puede dejar guardada su propia voz de antemano y usarla más adelante para seguir hablando con ella. Quien ya la perdió también puede recuperarla si conserva grabaciones anteriores.

También se usa mucho en contenidos: narrar audiolibros, doblar un video a otro idioma o dar voz a diálogos de videojuegos, tareas donde grabar todo a mano sería una cantidad enorme de trabajo. En estos usos suele haber un acuerdo previo con el dueño de la voz que fija hasta dónde se puede usar.

Qué falla cuando se usa sin permiso

El daño más frecuente es la suplantación: una llamada urgente con la voz de un familiar pidiendo dinero, o con la voz de un superior dando instrucciones de transferencia. La voz es la pista en la que la gente confía más fácilmente, así que casi no deja espacio para dudar.

También se han vuelto más arriesgados los sistemas que verifican la identidad solo por la voz. Si algo que la persona nunca dijo circula con su voz, se convierte en un problema de reputación, y revivir la voz de alguien fallecido, sin el acuerdo de su familia, también genera conflictos.

También es un problema para el trabajo. A quienes viven de su voz les puede pasar que una grabación hecha una sola vez se use, fuera del contrato original, un número indefinido de veces. Por eso importa dejar por escrito hasta dónde se puede usar cada vez que se vuelve a usar.

Cómo se responde a esto

Desde el lado de quien produce el sonido, se deja una marca de que es generado: una señal que el oído humano no percibe pero que un análisis sí detecta, incrustada en el audio, o un registro que acompaña al archivo con dónde y cómo se hizo. Aun así no es infalible, porque cortar, pegar o volver a grabar puede borrar esa marca.

También existe el lado que intenta detectarlo, buscando rastros que sí aparecen en la voz humana y casi no aparecen en la generada. Pero a medida que la tecnología de generación mejora, detectarla se vuelve más difícil otra vez, así que conviene combinarlo con otros métodos.

Las precauciones del día a día resultan, de hecho, bastante más seguras: acordar en familia una pregunta de confirmación que solo se use por teléfono, colgar y volver a llamar siempre que se hable de dinero, o evitar los servicios que verifican la identidad solo con la voz. Muchos países ya regulan por ley el uso de la voz de otra persona sin su consentimiento, y han crecido los canales para denunciar este daño.