Deepfakes de voz: cuando la llamada de tu “madre” puede ser un modelo de IA

CURIOSIDADES / VIRAL · SEGURIDAD DIGITAL · DEEPFAKES

Esto, que hace unos años parecía ciencia ficción, hoy es técnicamente asequible para cualquiera que se mueva un poco por foros y herramientas de IA. En este artículo vamos a ver qué son los deepfakes de voz, cómo se crean y, sobre todo, qué puedes hacer para no caer en la trampa cuando el siguiente número desconocido te diga “soy tu hijo”.

Si te interesa el lado más visual del problema, quizá ya hayas oído hablar de los discursos inventados con vídeo falso, como los que analizamos en el caso de deepfakes de Martin Luther King . Pero aquí no hay imágenes, solo una voz al otro lado del teléfono… y eso lo hace incluso más inquietante.

1. Qué es exactamente un deepfake de voz

Un deepfake de voz es un audio generado por un modelo de inteligencia artificial que suena como si lo hubiera grabado una persona concreta. No es solo “voz robótica”, sino copias que imitan:

• El timbre (si es grave o aguda).
• El acento (país, región, forma de pronunciar letras concretas).
• El ritmo (si habla rápido o lento).
• Muletillas y expresiones típicas (“¿me explico?”, “¿vale?”, “¿sí?”).

La idea es que tú escuches el audio y digas: “es esa persona, sin duda”. Y aunque hay pistas técnicas para detectarlos, en una situación de estrés (una llamada de emergencia, una amenaza, una “oportunidad única” de inversión) nuestra mente no está buscando artefactos de audio: está intentando sobrevivir.

2. Cómo se fabrica la voz de una persona con IA

No vamos a entrar en fórmulas ni en detalles de redes neuronales, pero sí en el “receta de cocina” de un deepfake de voz moderno. Por simplificar, el proceso suele tener tres fases:

2.1. Conseguir muestras de voz

El atacante necesita audio de la persona objetivo. Y aquí viene lo inquietante: a menudo basta con unos pocos segundos o minutos bien claros. ¿De dónde salen?

• Vídeos de redes sociales (Instagram, TikTok, YouTube, directos de Twitch).
• Entrevistas, podcasts, charlas, webinars grabados.
• Notas de voz reenviadas en grupos, audios compartidos sin cuidado.

Cuanto más público seas (directivo, influencer, político, creador de contenido), más material hay para clonar tu voz. Pero cualquiera que hable mucho por audios también deja rastro.

2.2. Entrenar o ajustar el modelo de voz

Las herramientas de clonación de voz hacen algo parecido a lo que hace un imitador humano, pero a escala matemática: analizan tus grabaciones y aprenden los patrones que te hacen “sonar como tú”.

Algunas plataformas comerciales ya ofrecen “crea tu clon de voz” como funcionalidad para doblaje, audiolibros o asistentes virtuales. El lado oscuro es que la misma tecnología se puede usar para llamar a tu abuela haciéndose pasar por ti y pedirle su PIN.

2.3. Generar cualquier frase con esa voz

Una vez el modelo “ha aprendido” tu voz, el atacante puede escribir lo que quiera: “Mamá, estoy en un problema”, “Jefe, necesito que apruebes esta transferencia ya”, “Hijo, he tenido un accidente”. El modelo convierte ese texto en audio con tu tono y tu acento.

Este audio puede mandarse como nota de voz, como mensaje grabado… o reproducirse en tiempo real durante una llamada, usando software que hace de puente entre el micrófono y el teléfono. Desde el otro lado de la línea, la diferencia con una llamada normal puede ser indistinguible.

3. Los guiones reales de las estafas con deepfakes de voz

No se trata solo de “mira qué divertido, he puesto a esta famosa a cantar una canción”. Los ciberdelincuentes han convertido la clonación de voz en una herramienta más dentro de sus guiones de ingeniería social. Algunos patrones habituales:

3.1. Secuestro simulado de un familiar

Es el caso más mediático:

• Llamada desde número desconocido, muchas veces desde otro país.
• Primero escuchas la voz “de tu familiar” llorando o suplicando.
• Luego entra un supuesto secuestrador que exige un pago inmediato y amenaza si cuelgas o avisas a la policía.

El objetivo no es negociar durante horas, sino provocar un estado de pánico que te haga actuar sin pensar: hacer una transferencia, comprar tarjetas prepago, enviar criptomonedas…

3.2. El “jefe” que pide una transferencia urgente

En el mundo corporativo, el guion típico es:

• Llaman a alguien del departamento financiero o contable.
• Suena la voz del director general, CFO o jefe directo dando instrucciones de una operación “muy confidencial y urgente”.
• Se salta el procedimiento (“no comentes esto con nadie, es una operación sensible”).

Aquí la combinación de jerarquía + urgencia + clon de voz puede ser devastadora. Es la evolución del clásico correo de “CEO fraud”, pero con una capa de credibilidad brutal: ya no es un mail con mala gramática, es la voz de tu jefe diciéndotelo.

3.3. Soporte técnico o banco que “verifica tu identidad”

Otro patrón: llamadas que fingen ser tu banco, la policía o el soporte de una plataforma. A veces la voz clonada es la tuya, para entrenar sistemas de reconocimiento de voz (“repita estas frases para verificar su identidad”), otras veces imitan a una supuesta operadora oficial.

El resultado es el mismo: usan la autoridad percibida y el miedo a perder dinero o cuentas para que entregues claves, códigos de doble factor o autorices movimientos.

4. Por qué son tan convincentes: nuestro cerebro no está preparado

Estamos acostumbrados a desconfiar de correos sospechosos, enlaces raros o mensajes de WhatsApp llenos de faltas. Pero la voz la asociamos a la presencia física de una persona concreta. Si encima oímos angustia, gritos, ruido de fondo… el cuerpo reacciona antes que la razón.

Los estafadores lo saben y exprimen tres palancas:

• Urgencia extrema: “tienes que decidir ahora, no hay tiempo”.
• Aislamiento: “no cuelgues, no llames a nadie, no puedes contar esto”.
• Emoción intensa: miedo, culpa, sensación de que todo es culpa tuya si no haces algo ya.

Combina esto con una voz perfectamente imitada y tienes la tormenta perfecta. Por eso la defensa no es “ser listo” o “no ser ingenuo”; es tener protocolos claros antes de que llegue la llamada.

5. Cómo protegerte tú y tu familia de las llamadas falsas

La buena noticia: no hace falta saber de IA ni de ciberseguridad para reducir muchísimo el riesgo. Lo que sí necesitas es hablar de esto antes de que pase, igual que hablas de qué hacer en un incendio o si se pierde un niño en un centro comercial.

5.1. Crea una “palabra clave” familiar

Acuerdos sencillos pero potentes:

• Elegid una palabra o frase que solo conozcáis vosotros (no algo obvio como el nombre de la mascota que sale en todas las fotos).
• Si alguien llama diciendo que hay una emergencia, el otro debe pedir esa palabra o hacer una pregunta acordada.
• Si la persona no responde correctamente, cuelga y contacta por otros medios.

Esto no es infalible, pero añade una capa extra muy barata que frena muchos guiones sencillos de estafa.

5.2. Regla de oro: nunca tomes decisiones económicas en una llamada inesperada

El simple hábito de no hacer transferencias, no dar claves ni autorizar nada importante en una llamada no planificada ya tumba la mayoría de intentos. Si hay una emergencia real, podrá confirmarse por otros canales.

• “Lo siento, no tomo decisiones de dinero por teléfono, te devuelvo la llamada al número oficial”.
• Llama tú al número del banco que aparece en su web, no al que te da quien llama.
• Si supuestamente es un familiar, cuelga y llama tú a su número real o al de alguien cercano.

5.3. Reduce el material que hay de tu voz por ahí

No se trata de vivir paranoico, pero sí de ser algo más estratégico con tu voz:

• Piensa antes de subir vídeos largos hablando, sobre todo si das datos personales.
• Pide permiso antes de compartir audios de otras personas en grupos grandes.
• Si eres figura pública, habla con tu equipo de comunicación sobre políticas de publicación de audio/vídeo.

6. Qué pueden hacer las empresas: procesos, no solo tecnología

Para una organización, el riesgo no es solo que estafen a empleados a nivel personal, sino que se utilice un deepfake de voz para mover dinero, acceder a información sensible o manipular decisiones internas.

Algunas medidas clave:

• Políticas claras de transferencias: ningún pago importante se aprueba solo por llamada; hace falta confirmación por canales internos y quizá doble firma.
• Formación específica: incluir deepfakes de voz en las sesiones de concienciación de seguridad, con ejemplos reales.
• Canales oficiales: acostumbrar a la plantilla a desconfiar de instrucciones “secretas” o “fuera de procedimiento”.
• Simulacros controlados: igual que se hacen simulacros de phishing, hacer ejercicios de reacción ante llamadas sospechosas.

El auge de la IA como herramienta de ataque está obligando a muchas compañías a repensar su estrategia de ciberseguridad, algo que también está en el centro del debate cuando hablamos de ciberataques potenciados por IA .

7. ¿Y la tecnología defensiva? Detectores, huellas de voz y verificación

Igual que los modelos de IA pueden generar voces falsas, también se están desarrollando sistemas para intentar detectarlas: algoritmos que buscan patrones raros en el audio, “huellas digitales” que los modelos de voz legítimos insertan para demostrar que un clip es sintético, etc.

El problema es que esto es un juego del gato y el ratón: cuanto mejores son los detectores, más afinan los generadores para parecer naturales. Y un usuario normal no va a pasar cada audio por un laboratorio forense antes de reaccionar.

Por eso, al menos hoy, el enfoque más realista es combinar tres capas:

• Protocolos humanos: reglas claras de “qué hago ante una llamada rara”.
• Medidas técnicas plausibles: verificación en dos pasos, canales oficiales, límites de operación.
• Conciencia del riesgo: saber que esto existe y que ya no es “cosa de películas”.

8. Qué hacer si sospechas que te han intentado estafar con una voz clonada

Si alguna vez recibes una llamada que encaja con estos patrones, lo primero es recuperar el control del tiempo. Aunque suene duro, colgar es muchas veces la decisión más segura.

• Cuelga y verifica por tu cuenta: llama al familiar, a la policía, al banco o a la empresa por sus números oficiales, no por los que te han dado en la llamada.
• Guarda el número y el audio, si puedes, para denunciarlo después.
• Si has hecho una transferencia, llama inmediatamente a tu banco; cuanto antes avises, más opciones hay de bloquear o rastrear el movimiento.
• Denuncia en comisaría o en los canales de delitos telemáticos de tu país; a menudo hay más víctimas y cada reporte suma información.

Lo importante es salir del modo pánico y pasar al modo procedimiento: no improvisar, sino tener una pequeña “checklist mental” de pasos a seguir cuando la voz del otro lado del teléfono lo cambia todo.

9. Vivir en la era de las voces falsas sin volverse paranoico

Los deepfakes de voz son solo una pieza de un puzzle mucho más grande: un internet donde audio, vídeo y texto pueden ser generados por modelos cada vez más convincentes. La pregunta ya no es solo “¿es verdad lo que veo?”, sino “¿es real lo que oigo?”.

Vamos hacia un mundo en el que necesitaremos nuevas formas de decidir qué es confiable y qué no, algo que conecta con debates más amplios sobre qué pasará cuando la IA decida qué es “verdad” en internet . Pero a nivel práctico, hoy mismo puedes hacer mucho con tres ideas sencillas:

• Asume que la voz, por sí sola, ya no es una prueba de identidad.
• Ten protocolos claros para emergencias y dinero, tanto en casa como en el trabajo.
• Habla de esto con las personas vulnerables de tu entorno: padres, abuelos, hijos, compañeros que gestionen pagos.

Los delincuentes ya han descubierto los deepfakes de voz. La pregunta es si tú vas a enterarte cuando ya estés dentro de la llamada… o antes, leyendo este tipo de guías y poniendo en marcha pequeños cambios que pueden marcar la diferencia. La próxima vez que tu “madre” te llame desde un número extraño, quiero que tengas algo más que miedo: quiero que tengas un plan.