Qué se puede fabricar hoy y con qué poco

En marzo de 2025, Consumer Reports, una organización de consumidores de Estados Unidos, probó seis servicios que imitan voces con IA. En cuatro de ellos podía clonar la voz de cualquiera a partir de grabaciones públicas: bastaba con marcar una casilla que decía que se tenía derecho a hacerlo.

Lo mismo pasa con las caras, los vídeos y los mensajes. Fabricarlos ya no exige un estudio ni saber de tecnología, y el material para hacerlo suele estar en abierto: un vídeo en redes, una nota de voz, una foto de perfil.

Los engaños no son nuevos: el familiar en apuros, el falso banco o la inversión que no puede fallar existían antes. Lo nuevo es que ahora llegan con la voz o la cara de alguien de confianza, y que oír o ver ya no basta para saber quién está al otro lado.

En esta lección verás qué se puede fabricar hoy, con cuánto material, por qué ni el oído ni los detectores bastan para notarlo y cómo lo llama la ley. Al final buscarás dónde están tu voz y tu cara en abierto. Si has hecho «Engaños con IA», del curso de uso responsable, aquí lo verás a fondo.

Voces: de segundos a un minuto

La clonación de voz consiste en que un sistema de IA aprende cómo suena una persona a partir de grabaciones suyas y luego dice con esa voz cualquier texto. En enero de 2023, investigadores de Microsoft presentaron VALL-E, que lo hacía con una grabación de tres segundos. Era un experimento de laboratorio.

En marzo de 2024, OpenAI contó que su sistema Voice Engine lo conseguía con una muestra de 15 segundos, y que no lo abría a todo el mundo por el riesgo de mal uso. Los servicios que cualquiera puede contratar piden algo más: ElevenLabs recomienda de uno a dos minutos de audio limpio, y dice que hay quien obtiene buenos resultados con 30 segundos.

Ese audio sale de sitios corrientes: un vídeo en redes, una nota de voz reenviada a un grupo, el saludo de tu buzón de voz, una llamada en la que hablas un rato. INCIBE, el Instituto Nacional de Ciberseguridad, lo resume en un caso real de 2024: bastan unos pocos segundos de grabación.

Por eso hay llamadas que cuelgan nada más oírte o que te hacen hablar un rato sin motivo: a veces solo buscan tu voz.

Caras y vídeos, también en directo

En diciembre de 2024, el FBI avisó de que los delincuentes ya generan vídeo para videollamadas en tiempo real, en las que se hacen pasar por directivos de empresa o por agentes de la autoridad.

No hace falta un equipo de cine. Hay programas gratuitos que cambian en directo la cara de quien está delante de la cámara por la de otra persona, a partir de una sola foto. Sus autores piden consentimiento y que se avise de que es falso; nada impide saltárselo.

En octubre de 2024, la policía de Hong Kong detuvo a 27 personas de una red de estafas amorosas. Según la policía, usaban esta técnica en las videollamadas con sus víctimas para cambiar su aspecto y su voz.

No todo lo que se cuenta como «en directo» lo es. En el caso más conocido, el de la empresa Arup en 2024, los vídeos de la reunión falsa estaban grabados de antemano. Lo verás en la lección 5: para engañar no hace falta conversar, basta con que parezca una reunión de verdad.

Mensajes, números y famosos

Con IA, un correo falso de tu banco se escribe sin una falta, en cualquier idioma y con su tono exacto, y el logotipo se copia de su web. Hay cosas que se falsean incluso sin IA: el Banco de España explica que los delincuentes cambian el remitente de un SMS para que aparezca en el mismo hilo que los mensajes reales del banco, y que también pueden falsear el número que te llama.

Las caras conocidas se usan para vender. En diciembre de 2023, la CNMV, la Comisión Nacional del Mercado de Valores, alertó de anuncios con famosos y voces simuladas que llevaban a entidades sin autorización.

Casi todo lo que llega por una pantalla o un auricular se puede fabricar. Lo que no se fabrica es lo que ocurre fuera del canal que controla quien te engaña: tu llamada al número que ya tienes, una palabra acordada en persona o algo que solo sabe la persona de verdad.

En la práctica siguiente, clasificas ocho casos en lo que se puede fabricar y lo que no. Fíjate en quién controla cada canal: si es quien te llama, desconfía; si eres tú, puedes comprobar.

Ni tu oído ni los detectores

En 2023, un estudio del University College London puso a 529 personas a distinguir voces reales de voces imitadas, en inglés y en mandarín. Acertaron el 73 % de las veces, y escuchar antes ejemplos de voces falsas apenas mejoró el resultado. En 2025, otro estudio, de la Queen Mary University of London, comprobó que la gente tomaba por humanas el 58 % de las voces clonadas.

Los programas detectores no lo resuelven. Un estudio de 2025 los probó con ultrasuplantaciones reales que circularon en 2024: el rendimiento de los detectores de código abierto cayó cerca de la mitad respecto a las pruebas con las que se suelen medir (un 50 % en vídeo, un 48 % en audio y un 45 % en imagen).

Las pistas que se enseñaban, como los parpadeos raros, la voz metálica o los labios que no casan, pueden ayudar, pero no prueban nada. Las imitaciones mejoran cada mes, y nadie ha medido cuánto sirven esas pistas con las de hoy.

La conclusión práctica: no intentes adivinar. Comprobar por otra vía funciona aunque la imitación sea perfecta.

Lo que dice la ley: la ultrasuplantación

El Reglamento (UE) 2024/1689, de inteligencia artificial, llama ultrasuplantación a lo que en inglés se llama deepfake: un contenido de imagen, audio o vídeo generado o manipulado por una IA que se parece a personas, lugares o hechos reales y que puede hacer creer que es auténtico (art. 3, punto 60).

Desde el 2 de agosto de 2026, quien usa un sistema de IA para generar ultrasuplantaciones tiene que decir que el contenido es artificial (art. 50). Si es una obra de ficción, satírica o artística, basta con avisar de forma que no estropee la obra. La reforma del Reglamento de julio de 2026 no movió esa fecha.

Esa misma reforma prohíbe, desde el 2 de diciembre de 2026, los sistemas de IA que fabrican imágenes o vídeos sexuales realistas de una persona identificable sin su consentimiento. Lo verás en la lección 6.

La etiqueta sirve para el contenido legal, pero quien estafa no la va a poner. Que un vídeo no lleve aviso no lo hace auténtico. Esto es una orientación, no asesoramiento jurídico.

Hazlo: dónde están tu voz y tu cara

1. Busca tu voz en abierto: vídeos tuyos en redes, notas de voz en grupos grandes y el saludo de tu buzón de voz.
2. Busca tu cara: fotos de perfil públicas y vídeos en los que se te vea de frente.
3. Decide qué cambias: cuentas privadas, el saludo automático del buzón en lugar del tuyo, quién te sigue.
4. Habla con quien más te importa, sobre todo si tiene muchos vídeos en abierto: hijos, padres, quien firma los pagos en tu trabajo.

No se trata de desaparecer de internet. La defensa de este curso no depende de que no haya grabaciones tuyas, y la verás en la lección 4. Revisarlo una vez al año, o cuando publiques algo nuevo con tu voz, es suficiente. Se trata de saber qué hay, para entender por qué la voz de alguien ya no prueba que sea esa persona.

• Unos segundos de audio bastan para imitar una voz con servicios que cualquiera puede contratar.
• Una foto de perfil basta para poner una cara en una videollamada en directo.
• Comprobar por otra vía funciona aunque la imitación sea perfecta.