Faltaban dos días para las elecciones eslovacas de septiembre de 2023 cuando apareció en Facebook una grabación. Dos voces hablaban de cómo amañar los comicios, en parte comprando votos a la minoría gitana. Una se parecía a la de Michal Šimečka, líder de Eslovaquia Progresista. La otra, a la de Monika Tódová, periodista del diario Denník N.
Los dos lo negaron en el acto. Los verificadores de AFP vieron señales de manipulación con IA.
Daba igual. El audio salió en plena moratoria de 48 horas antes de abrir los colegios, cuando medios y políticos tienen que callarse. La mentira tenía dos días de campo libre y la desmentida tenía la boca tapada por ley.
Y para colmo, la política de contenidos manipulados de Meta estaba pensada para vídeos falsos. Un audio se le colaba por debajo de la puerta.
Por qué una foto falsa se pilla y un audio no
Si mañana te llega una foto sospechosa, tienes un arsenal. Búsqueda inversa en Google o TinEye para ver si ya circulaba hace cinco años. Metadatos, si sobreviven. Sombras que no cuadran, manos con seis dedos, un cartel en un idioma que no toca, un edificio que puedes localizar en Street View. La imagen tiene un contexto y el contexto se puede comprobar.
Ahora coge un audio de treinta segundos reenviado por WhatsApp.
No hay búsqueda inversa de voz que sirva para nada. No hay sombras. No hay fondo que geolocalizar. Y lo peor viene de fábrica: WhatsApp comprime las notas de voz en Opus, un formato diseñado para que una voz se entienda ocupando muy poco. Para conseguirlo, tira justo lo que el oído no echa de menos: frecuencias altas, matices de la respiración, pequeñas irregularidades del sonido.
Que son, casualmente, las pistas que buscaría un análisis forense.
Cada reenvío, cada grabación del altavoz con otro móvil, cada vez que alguien lo sube a TikTok con música de fondo, borra un poco más. Cuando el audio te llega a ti, el rastro técnico que delataría la clonación lleva tiempo en la basura.
Los detectores, fuera del laboratorio
Aquí entra el vendedor de turno con su detector de voces clonadas y su porcentaje de acierto de tres cifras. Ya lo ves venir.
Esos números salen de pruebas con audio limpio, generado por sistemas que el detector ya conoce. La investigación académica lleva años midiendo qué pasa cuando cambias las condiciones: audio grabado en la calle, comprimido, con ruido, hecho con un generador nuevo. El rendimiento se desploma. El caso que importa (un clip corto, machacado por la compresión, fabricado con la herramienta del mes) es exactamente el que peor llevan.
En Eslovaquia lo resumieron con una frase que deberías tatuarte: no hay instrumentos capaces de detectar con certeza absoluta el contenido creado por IA. Y eso con expertos mirando el archivo. Imagínate tú con el móvil en el autobús.
El resultado típico de un detector ante un audio viral es un «probablemente sintético» o un «no concluyente». Con eso no se gana una discusión en el grupo de la familia, y mucho menos se para una campaña de desinformación a dos días de votar.
New Hampshire: lo que se resolvió y cómo
En enero de 2024, votantes demócratas de New Hampshire recibieron una llamada automática con la voz de Joe Biden diciéndoles que no fueran a votar en las primarias. Era una voz clonada.
El caso se resolvió. Pero fíjate en cómo.
No lo cerró ningún detector milagroso. Lo cerró el rastro de siempre: quién contrató las llamadas, qué compañía telefónica las transmitió, quién pagó a quién. Tirando de ese hilo llegaron a Steve Kramer, un consultor político, y la FCC acabó multándolo con 6 millones de dólares. La operadora, Lingo Telecom, pactó pagar uno más. Biden no tuvo que demostrar nada sobre su propia voz: bastó con que la Casa Blanca dijera que no era él y que el circuito del dinero cantara.
Esa es la lección que nadie vende porque no tiene app. La verificación de un audio casi nunca está dentro del audio. Está fuera.
Qué puedes hacer tú con un audio que te llega
Olvídate de hacer de ingeniero de sonido. Haz de periodista, que sale gratis:
- Cadena de custodia. ¿Quién te lo ha mandado y de dónde lo sacó? Si la respuesta es «me lo pasaron en otro grupo», tienes cero. Un audio sin origen es un rumor con voz.
- Quién lo publicó primero. Busca el primer sitio donde aparece. En Eslovaquia, según el Instituto Internacional de Prensa, uno de los primeros en moverlo fue Štefan Harabin, exjuez constitucional y candidato, en Telegram. Saber quién lo empuja te dice mucho de para qué sirve.
- Qué dice el supuesto emisor. Si el protagonista lo niega en el acto, eso pesa. Si un medio serio lo tiene, te contará cómo lo obtuvo y si lo ha contrastado. Si ninguno lo toca, pregúntate por qué.
- El momento. Un audio explosivo que aparece justo cuando nadie puede responder (la víspera electoral, un viernes de madrugada) tiene el momento elegido a propósito. La urgencia es parte del truco.
- La apelación a la emoción. Si lo que oyes confirma exactamente lo que ya pensabas de esa persona, sospecha el doble. Está hecho para ti.
Y si no puedes comprobar nada de eso, no lo reenvíes. No hace falta que demuestres que es falso. Basta con que no puedas demostrar que es verdad.
Los genios que fabrican estos audios cuentan con que tú hagas lo contrario: que la voz te suene, que el contenido te indigne y que el dedo vaya más rápido que la cabeza. Con una foto, a veces llegas a tiempo de pillarlos. Con un audio, tu única defensa es preguntar de dónde viene antes de darle a la flecha.
Un audio sin origen conocido no prueba nada, por mucho que la voz se parezca, y quien te lo reenvía tampoco ha comprobado nada.