← Conversando con Vera

11.08.2026 · 19:16

¿Cómo sabrás quién habla si la voz suena humana?

Una voz cálida pronuncia bien tu apellido, te pide el número de reserva y te hace sentir comprendido. ¿Sabrías si del otro lado hay una persona o un sistema? En este episodio, Ana y Luis conversan sobre las voces sintéticas que ya suenan humanas, por qué nuestro oído se relaja ante ellas y qué podemos hacer para no decidir solo por una llamada.

Voces que ya no suenan a robot

Ana cuenta que esta semana TechCrunch publicó que la empresa Block presentó un nuevo modelo de voz sintética que, según la demo, suena asombrosamente humano. Antes, las voces artificiales sonaban a robot que lee un texto. Ahora respiran, hacen pausas y suben y bajan el tono como alguien que piensa lo que dice. Luis señala que la respiración es un detalle enorme, porque nadie habla sin respirar. Ana añade que la prosodia, es decir, la melodía de la frase, es lo que nos indica si algo es una pregunta, una duda o una broma. Cuando una máquina acierta en ese terreno, el oído se relaja, y ahí está el problema.

La confianza llega antes que la pregunta

Ana relata que hace unas semanas llamó a una aerolínea para cambiar un vuelo. Contestó una voz cálida y tranquila que pronunció bien su apellido y le dijo que entendía su fastidio. Ella le creyó, le dio su número de reserva y hablaron unos cinco minutos. Al colgar se quedó mirando el teléfono, sin saber si había hablado con una persona o con un sistema, y sin saber si eso importaba. Lo que más le inquietó fue que la confianza llegó antes que la pregunta. Según Ana, cuando una voz familiar nos habla confiamos por costumbre, pero cuando una voz desconocida suena igual de natural confiamos por el tono, y el tono se puede fabricar. Luis objeta que confía en su médico sin conocerlo de nada, por cómo le explica las cosas. Ana responde que su médico tiene nombre, título y una consulta donde encontrarlo, algo que una voz sintética puede imitar sin cargar con nada de eso. Luis acepta que la responsabilidad pesa.

Cuando la voz imita a alguien cercano

Ana describe una trampa vieja del oído: asociamos un tono cálido con honestidad, así que alguien tranquilo y amable nos parece más sincero, aunque no tenga motivo para serlo. Las voces sintéticas aprovechan esa costumbre sin necesidad de entender nada. El escenario que más le preocupa es el de un familiar que llama diciendo que está en problemas y necesita dinero ya. La voz suena igual, y la urgencia hace el resto. Ana advierte que no solo caen las familias: la banca, las empresas y la política también tienen voces de directivos y funcionarios. Imaginar que el jefe llama desde un número raro y pide una transferencia antes de las cuatro basta para mostrar que la trampa funciona con la prisa, no con la edad. Incluso la doble aprobación no siempre protege, porque si dos personas escuchan la misma voz falsa y creen lo mismo, el control se cae. Ana también habla de la vergüenza: quien cae suele callarse, y el silencio es justo lo que ayuda al que estafa. Como ejemplo de un riesgo mayor, Luis plantea un audio falso de un candidato a días de una elección. Ana señala que el daño se contagia a toda una comunidad y que, cuando nadie confía en nada, gana el que miente.

Qué hacer sin desconfiar de todo

Ana aclara que no se trata de desconfiar de todo, sino de no decidir solo por una llamada. Su regla básica es nunca actuar solo por una llamada o audio que pida dinero o datos: hay que colgar y devolver la llamada al número que ya tienes registrado, no al que te dan en la comunicación. Luis reconoce que el número también se puede falsear. También recomienda acordar en familia una palabra clave para emergencias, que no esté en redes sociales, y confirmar por otro canal las peticiones que lleguen por mensaje o en persona. Sobre las pistas del audio, como pausas raras, frases que se repiten con el mismo ritmo o emociones que no encajan con lo que pasa, Ana dice que pueden ayudar a dudar, pero no a decidir, porque los modelos mejoran cada mes. Los detectores también van por detrás de la tecnología. Por eso el método más sólido es el canal secundario, y a más largo plazo, la procedencia del contenido y las firmas digitales, que permiten comprobar de dónde viene un audio, quién lo firmó y si fue alterado. Para las empresas, Ana propone frases de voz descartables, autenticación con varios factores y doble aprobación en cualquier pago. Las plataformas que publican voces convincentes, por su parte, tienen la responsabilidad de avisar, marcar y poner límites.

Si quieres saber cómo se aplica todo esto en la práctica y por qué la voz de alguien que quieres puede convencerte más que la de una desconocida, escucha el episodio completo. Y para esta semana, te proponen un reto: practica la verificación antes de creer o actuar, aunque la voz suene exactamente como la de tu hermana, tu madre o tu jefe. Si te piden dinero por teléfono, primero llama tú.

Transcripción

Toca una frase para escucharla desde ahí.

Ana: Una voz cálida me pronunció bien el apellido y me pidió el número de reserva.

Ana: No sabía si era una persona. ¿Tú lo sabrías?

Ana: ¡Muy buenas, queridos amigos! Hoy te llevas una forma de notar cuándo una voz no es humana.

Luis: Ay, Ana, no me asustes tan temprano. ¿Qué pasó?

Ana: Vamos por partes. Esta semana TechCrunch publicó que la empresa Block presentó un nuevo modelo de voz sintética que, según la demo, suena asombrosamente humano.

Luis: ¿Humano en qué sentido? Las voces de antes ya sabían leer un texto.

Ana: Ese es el punto. Antes sonaban a robot que lee. Ahora respiran, hacen pausas, suben y bajan el tono como alguien que piensa lo que dice.

Luis: Mmm, déjame pensar. La respiración es un detalle enorme. Nadie habla sin respirar.

Ana: Exacto. Y la prosodia, o sea, la melodía de la frase, es lo que nos dice si algo es una pregunta, una duda o una broma. Cuando una máquina lo acierta, el oído se relaja.

Luis: Y ahí empiezo a desconfiar. Si me relajo, bajo la guardia.

Ana: Eso es justo lo que me preocupa. Pero déjame contarte lo mío.

Luis: Adelante, te escucho.

Ana: Hace unas semanas llamé a una aerolínea para cambiar un vuelo. Contestó una voz cálida, tranquila, que pronunció bien mi apellido. Me dijo: "Entiendo, qué fastidio, vamos a resolverlo". Y le creí. Le di mi número de reserva, hablamos unos cinco minutos.

Luis: Suena bien, ¿no?

Ana: Suena perfecto. Por eso, al colgar, me quedé mirando el teléfono. No sabía si había hablado con una persona o con un sistema. Y no sabía si eso importaba.

Luis: Te hizo sentir que te entendían. En una llamada de aerolínea, eso ya es mucho.

Ana: Ni que lo digas. Pero lo que me dio escalofríos fue otra cosa: la confianza llegó antes que la pregunta.

Luis: Ah. Eso sí duele un poco.

Ana: Un poco, sí. Y ahí está lo que quiero que escuchemos hoy. Cuando una voz familiar nos habla, confiamos por costumbre. Cuando una voz desconocida suena igual de natural, confiamos por el tono. Y el tono se puede fabricar.

Luis: No estoy de acuerdo del todo. Yo confío en mi médico y no lo conozco de nada. Confío por cómo me explica las cosas.

Ana: Pero tu médico tiene nombre, título y una consulta donde lo puedes encontrar. Una voz sintética puede imitar la calidez sin cargar con nada de eso.

Luis: Vale, ahí te doy la razón. La responsabilidad pesa.

Ana: Y el oído tiene una trampa vieja. Asociamos un tono cálido con honestidad. Alguien que suena tranquilo y amable nos parece más sincero, aunque no tenga ningún motivo para serlo.

Luis: ¿En serio? ¿Tan automático?

Ana: Muy automático. Y las voces sintéticas lo aprovechan sin necesidad de entender nada. Se aprovecha la costumbre de creer en el calor.

Luis: Ahora entiendo por qué me inquieta. La voz no es mala. Es buena justo en lo que yo menos controlo.

Ana: Y no todo es malo, ojo. Hay usos muy útiles. Pensemos en la lectura de textos para personas con discapacidad visual, o en asistentes de atención al cliente que resuelven un trámite a las tres de la mañana.

Luis: Eso me gusta. Mi abuela, con la vista fallando, agradecería una voz que le lea las cartas del banco sin cansarse.

Ana: Justo. Y ahí la naturalidad ayuda, porque escuchar una voz plana durante horas agota.

Luis: Pero, ¿y si alguien la usa para hacerse pasar por tu hermano?

Ana: Ese es el escenario que me quita el sueño. Un familiar llama, dice que está en problemas, que necesita dinero ya, que no puede hablar mucho. La voz suena igual. La urgencia hace el resto.

Luis: ¿Y la gente cae?

Ana: Cae, sí. El miedo baja la guardia más que cualquier argumento. Y no solo pasa con familias. La banca, las empresas, incluso la política tienen voces de directivos y funcionarios. A quien más afecta es a quien tiene menos tiempo para dudar.

Luis: Hmm, tú me vas a decir que hay que desconfiar de todo. Y eso también cansa.

Ana: No, no, ahí no estoy de acuerdo. No se trata de desconfiar de todo. Se trata de no decidir solo por una llamada. Es distinto.

Luis: De acuerdo. Dame una regla simple, que soy principiante en esto.

Ana: Nunca actúes solo por una llamada que pida dinero o datos. Cuelga y devuelve la llamada al número que tienes registrado. No al que te dan en la llamada.

Luis: ¡No puede ser! Ah, claro. El número también se puede falsear.

Ana: Exacto. Y en tu familia pueden acordar una palabra clave para emergencias. Algo que no esté en redes sociales.

Luis: Mi perro se llama Bruno y lo sabe todo el barrio. Bruno queda fuera de la lista.

Ana: Pues sí. Y si la petición llega por mensaje o en persona, confírmala por ese otro canal.

Luis: Y las pistas del audio, ¿sirven? Dicen que una pausa rara o una repetición te delatan.

Ana: Pueden ayudar: una latencia extraña, una emoción que no encaja con lo que pasa, una frase que se repite igual. Pero no conviene depender solo de eso, porque cada mes los modelos mejoran.

Luis: ¿Y las herramientas de detección?

Ana: Pero espera, aquí viene lo curioso: las herramientas de detección sirven a ratos. Van por detrás de la tecnología. Hoy detectan algo, mañana quizá no.

Luis: Entonces, ¿qué queda?

Ana: La procedencia del contenido y las firmas digitales. Es decir, poder comprobar de dónde viene un audio, quién lo firmó y si fue alterado. Eso sí es verificable.

Luis: Y las plataformas que publican voces tan convincentes, ¿no tienen nada que decir?

Ana: Mucho. Si una empresa lanza una voz que suena a persona, tiene la responsabilidad de avisar, marcar y poner límites. No basta con admirar la demo.

Luis: Claro, lo bonito es la demo. Pues mi pregunta de fondo es otra: ¿cómo confirmo quién habla antes de creer o actuar?

Ana: Esa es la tarea para el resto del episodio.

Ana: Pero te propongo algo para esta semana: cada vez que una voz te pida algo, practica la verificación. Cuelga, llama, confirma.

Luis: Me apunto. Y ahora te pregunto yo: esa aerolínea, ¿la volviste a llamar?

Ana: Todavía no. Pero lo hago hoy, por el canal que yo elija.

Luis: ¡Ya me asustaste! Adelante.

Ana: Vale. Hablemos de quién cae en estas trampas. Y ojo, no es solo la gente mayor.

Luis: ¿Ah, no? Yo pensaba que sí.

Ana: Eso es lo que todos pensamos. Pero la trampa funciona con la prisa, no con la edad. Imagina que tu jefe te llama desde un número raro, con su voz, y te pide una transferencia antes de las cuatro.

Luis: Uf. Yo habría corrido.

Ana: Pues ojo, que a mí casi me pasa. Ya te cuento cómo.

Ana: Claro, y por eso funciona. Pero aquí viene lo curioso.

Luis: ¿Cómo que lo curioso? Si una empresa ya tiene doble aprobación, ¿para qué preocuparse? Dos personas revisan.

Ana: La doble aprobación ayuda, pero no siempre. Si las dos personas escuchan la misma voz falsa y creen lo mismo, el control se cae.

Luis: Mmm, eso no lo había pensado.

Ana: Por eso el segundo paso no puede depender de la voz. Tiene que apoyarse en algo que el atacante no tenga.

Luis: ¿Como qué?

Ana: Autenticación multifactor: una contraseña, y además un código que llega a otro dispositivo. Y frases de voz descartables: palabras que sirven una sola vez y luego se tiran.

Luis: ¿Descartables? ¿Como un código secreto de película?

Ana: Algo así, pero sin drama. Una frase para una operación, y se acabó.

Luis: Me gusta, pero confieso que me suena a algo que uno olvida.

Ana: Se olvida, sí. Por eso hay que escribirlo en un procedimiento y practicarlo.

Luis: Bueno, cambio de tema, porque me quedé pensando en otra cosa. ¿Por qué la voz de mi hermana me convence más que la de una desconocida?

Ana: Porque el oído y el cerebro ya la conocen. Ya tienen su historia: su risa, sus pausas, cómo dice tu nombre. Y nuestro oído tiende a asociar un tono cálido con honestidad. Un tono cálido baja la guardia.

Ana: El tono se puede fabricar, pero la costumbre no.

Luis: O sea, la trampa no está en la voz, está en lo que nosotros le ponemos.

Ana: Eso mismo. Y ahí me pasó a mí, con mi hermana. Espera a escuchar lo que hice en los siguientes diez segundos.

Ana: Exacto. Y el que imita lo sabe, ojo.

Luis: Pero espera, aquí viene lo curioso. Me imagino a alguien que mandó el dinero y después descubre que hablaba con una voz falsa.

Ana: Ahí está lo más duro. No es solo perder dinero. Es sentirse tonto, y la vergüenza hace que no lo cuentes.

Luis: Pero no es tonto. Es engañado.

Ana: Lo sé. Pero esa persona suele callarse, y el silencio es justo lo que ayuda al que estafa.

Luis: Mmm. ¿Y tú has pasado por algo parecido?

Ana: Casi. Me llamaron con la voz de mi hermana. Cálida, con esa risa suya. Contesté con una sonrisa y, a los diez segundos, algo no encajaba. El audio tenía prisa, como si no hubiera tiempo para pensar. Me temblaron las manos.

Luis: ¡Qué susto! ¿Y qué hiciste?

Ana: Colgué. Y la llamé a su número de siempre. Estaba en el supermercado, sin saber nada.

Luis: Menos mal. ¿Y no te dio rabia?

Ana: Rabia conmigo, por haber dudado tan poco.

Luis: Pues yo creo que dudaste lo justo. Exageras un poco con lo de la desconfianza, ¿no? La mayoría de la gente no va a caer.

Ana: No se trata de desconfiar de todo, sino de no decidir solo por una llamada. Aunque caiga solo una persona de cada muchas, el negocio puede ser rentable si la llamada se repite miles de veces.

Luis: ¿Y cuánta gente cae, más o menos?

Ana: No tengo una cifra, y no quiero inventarla. Lo que sí sé es que no hace falta mucha gente.

Luis: Vale. Entonces, ¿qué haces cuando la llamada parece real de verdad?

Ana: Ahí viene lo que más me preocupa. Porque a veces ni colgar es fácil.

Ana: Pero espera, aquí viene lo curioso. Lo digo como ejemplo, no como dato. No hace falta una cifra para ver el problema.

Luis: Vale, exagerada. Aunque prefiero exagerar antes que llorar después.

Ana: Esa frase me la quedo.

Luis: Pues vayamos a lo grave. Imagina un audio de un candidato, a días de una elección, con su tono de siempre, diciendo algo que nunca dijo.

Ana: Eso ya no es una estafa de dinero. Es política. Y el daño no se queda en una persona: se contagia a toda una comunidad.

Luis: Y entonces la gente empieza a no creer nada. Hasta lo verdadero suena falso.

Ana: Cuando nadie confía en nada, gana el que miente. Esa es la parte que más me preocupa.

Luis: Pues ya estamos en la misma página. Entonces, ¿qué hace una persona normal con todo esto?

Ana: Eso es justo lo que vamos a ver ahora. Antes de las herramientas, te cuento lo que me pasó.

Ana: Me llegó una llamada con la risa de mi hermana y su "bueno, bueno" de siempre antes de hablar. Me pedía ayuda con una transferencia, que era urgente.

Luis: ¿Y qué hiciste?

Ana: Casi le mando el dinero. Casi.

Luis: ¿Qué te frenó?

Ana: Diez segundos de duda. Y algo tonto: el audio llegó con prisa, y ella nunca manda nada con prisa. Ella siempre llama cuando algo es urgente.

Luis: ¡Uf! Diez segundos son una eternidad cuando alguien te pide dinero.

Ana: Colgué y la llamé al número que tengo guardado. Y eso me dejó pensando en algo más.

Luis: Pero espera, que aquí viene lo curioso. Buen instinto, ¿no?

Ana: No fue instinto, fue suerte. Ahí está lo incómodo.

Luis: Vale, pero la gente no puede vivir de suerte. ¿Qué regla le das a alguien que empieza?

Ana: Una sola: nunca actúes solo por una llamada o un audio que pida dinero o datos.

Luis: ¿Y si de verdad es urgente?

Ana: Entonces esperará cinco minutos.

Luis: Eso es muy bonito, pero no siempre pasa.

Ana: Por eso la regla es esa. Cuelga y devuelve la llamada al número que tienes guardado, no al que te dan en el mensaje.

Luis: Eso ya lo hacía mi abuela, sin saber que era seguridad.

Ana: Tu abuela era una experta. Y te doy otra idea: acuerden en familia una palabra clave para emergencias.

Luis: Suena a película de espías.

Ana: Pues funciona. Una palabra que solo sepan ustedes, y que nunca se escriba en ningún chat.

Luis: Mmm, pero espera. Si la voz suena igual, ¿de qué sirve buscar pistas?

Ana: Las pistas no sirven para decidir. Sirven para dudar.

Luis: Espera, ¿y entonces por qué la voz de alguien que conoces nos convence más que la de una desconocida?

Luis: ¿Y qué pistas hay?

Ana: Pausas raras antes de responder. Una frase que se repite con el mismo ritmo. Una emoción que no encaja con lo que pasa, como alguien muy alegre hablando de una catástrofe.

Luis: Eso lo puede corregir cualquier modelo nuevo.

Ana: Exacto. Por eso no conviene depender solo del oído.

Luis: ¿Y los detectores de audio? Hay programas que dicen si una voz es artificial.

Ana: Existen, y ayudan hoy. Pero están corriendo detrás de modelos que mejoran cada mes.

Luis: O sea, una carrera que no se gana.

Ana: Más o menos. Por eso el método más sólido es otro: el canal secundario. Si te pide dinero por llamada, confírmalo por mensaje escrito o en persona.

Luis: Lo que sea que cueste más de falsificar.

Ana: Justo eso.

Luis: Ahora, las empresas. Eso es para bancos, no para nosotros.

Ana: No, no, ahí no estoy de acuerdo. Las empresas pequeñas son las que menos protección tienen.

Luis: Vale, dime qué deberían hacer.

Ana: Frases de voz descartables, que no se reutilicen. Autenticación con varios factores. Y doble aprobación en cualquier pago.

Luis: Pero espera, aquí viene lo curioso. Doble aprobación. Es como dos llaves para abrir la misma puerta.

Ana: Y que las dos personas no estén en la misma llamada.

Luis: ¿Y el origen del audio? ¿Hay forma de saber de dónde viene?

Ana: Ahí entra la procedencia del contenido. Y las firmas digitales: un sello que demuestra quién creó el archivo y si fue alterado.

Luis: Como un sello de lacre en una carta.

Ana: Me gusta. Es algo que puedes verificar, no solo creer.

Luis: Entonces, ¿y las plataformas que publican voces así? ¿No deberían frenar?

Ana: Sí, tienen responsabilidad. Pero no basta con culparlas.

Luis: Ahí no estoy de acuerdo. Ellas tienen la mayor parte de la culpa.

Ana: Vale, la mayor parte. No toda. Si cada uno acepta cualquier audio sin verificar, el negocio sigue funcionando.

Luis: Uf, qué incómodo. Pero tienes razón.

Ana: Lo que más me preocupa es que dejemos de creer en todo.

Ana: No se trata de desconfiar de todo, sino de no decidir solo por una llamada.

Ana: Eso es lo que quieren los que mienten.

Luis: Por eso lo sencillo es lo mejor. Cuelga, devuelve la llamada, pregunta la palabra clave, confirma por otro canal.

Ana: Y solo después, actúa.

Luis: Espera, y si la llamada viene de alguien que sí conocemos… ¿eso cambia algo?

Luis: Bueno, pues ese es el reto para esta semana. Practica la verificación antes de creer o actuar, aunque la voz suene exactamente como la de alguien que quieres.

Ana: Aunque te suene a tu hermana, a tu madre o a tu jefe.

Luis: Gracias por escucharnos. Nos vemos en el próximo episodio.

Ana: Cuídense mucho, y ya sabes: si te piden dinero por teléfono, primero llama tú.