The Voiceprint Fallacy: Why Voices Are Not Unique Biometric Imprints

Imagina que estás intentando identificar a un amigo en una habitación llena de gente y ruido. No puedes ver su rostro, pero escuchas que grita tu nombre. Tu cerebro reconoce instantáneamente su voz, ¿verdad? Se siente como una llave mágica, una huella dactilar única hecha de sonido que le pertenece solo a él. Durante mucho tiempo, los científicos y los detectives de la policía creyeron que así era exactamente como funcionaba la voz: que cada persona tenía una "huella de voz" permanente e inalterable oculta dentro de su garganta, tal como las crestas de un dedo. Esta idea parecía tan lógica que fue escrita en las leyes y utilizada en los tribunales para atrapar criminales. Pero aquí está el giro: las voces no son sellos estáticos o improntas fijas. Son más bien como un río vivo y que respira que cambia su forma dependiendo del clima, el terreno y el estado del agua. Si tratas a un río como una estatua congelada, vas a tener una idea equivocada de lo que fluye a través de él. Este es el gran problema con la antigua teoría de la "huella de voz", y es la historia principal de un nuevo artículo que quiere poner las cosas en su lugar.

El artículo, titulado "La falacia de la huella de voz" (The Voiceprint Fallacy), sostiene que la idea de una "huella de voz" es un mito científico. Explica que, si bien tu voz sí contiene pistas sobre quién eres, no es una marca única e inalterable. En cambio, tu voz es una mezcla desordenada y complicada de tu cuerpo, tu estado de ánimo, tu salud, lo que estás diciendo e incluso el micrófono que te está grabando. Los autores, un equipo de lingüistas y científicos de la computación, demuestran que tratar una voz como una huella dactilar es peligroso porque ignora todas las formas en que una voz puede cambiar. Sugieren que dejemos de buscar un "coincidencia" perfecta y comencemos a usar una forma más inteligente y honesta de comparar voces que admita la incertidumbre y considere todas las diferentes razones por las cuales dos voces podrían sonar similares.

El gran engaño de la huella de voz

Entonces, ¿por qué todo el mundo creía en la huella de voz en primer lugar? Todo comenzó con una tecnología genial llamada espectrógrafo. Imagina una máquina que convierte las ondas sonoras en una imagen colorida, algo así como una partitura musical pero para toda la voz. En la década de 1960, un hombre llamado Lawrence Kersta miró estas imágenes y dijo: "¡Oye, estas se parecen mucho a las huellas dactilares! Si podemos identificar a las personas por las crestas de sus dedos, podemos hacerlo con estas imágenes de sonido". Afirmó que su método tenía una precisión del 99.65%. Los tribunales empezaron a aceptar esta evidencia de la "huella de voz", pensando que era tan sólida como el oro.

Pero el artículo señala que esto fue un error enorme. Los autores explican que la idea de la "huella de voz" es una falacia —un truco de la mente. Toma algo complejo y cambiante (tu voz) y finge que es algo simple y fijo (un sello). El artículo argumenta que esta metáfora no solo es errónea; es peligrosa. Cuando tratas una voz como una huella dactilar, ignoras el hecho de que tu voz cambia cada vez que hablas.

Tu voz es un camaleón, no un sello

Piensa en tu voz no como una nota única en un piano, sino como un camaleón. Un camaleón cambia su color basándose en su entorno, su estado de ánimo y lo que está comiendo. Tu voz hace exactamente lo mismo. El artículo desglosa todas las razones por las cuales tu voz nunca es la misma dos veces:

• El cambio de humor: Si estás enojado, triste o emocionado, tu voz suena totalmente diferente. Si estás cansado o enfermo, cambia de nuevo. Incluso el simple hecho de estar deshidratado puede hacer que tu voz suene más áspera.
• El guion: Cómo dices algo importa. Si estás leyendo un guion, hablando con un bebé o gritando sobre un ventilador ruidoso, tu voz cambia de marcha. Podrías hablar más lento, más fuerte o con un tono diferente solo para que te entiendan.
• El proceso de envejecimiento: A diferencia de tus huellas dactilares, que permanecen iguales toda tu vida, tu voz cambia a medida que creces, envejeces o pasas por cambios hormonales. Una voz grabada cuando tenías 20 años no sonará exactamente igual a tu voz a los 60.
• La máscara: ¡La gente incluso puede cambiar su voz a propósito! Puedes susurrar, fingir un acento o intentar sonar como otra persona. El artículo señala que, aunque no puedes cambiarlo todo, puedes cambiar lo suficiente como para engañar tanto a humanos como a computadoras.

Debido a todos estos cambios, la misma persona puede sonar muy diferente en dos grabaciones distintas. Y aquí está la parte aterradora: dos personas diferentes pueden, a veces, sonar sorprendentemente similares, especialmente si están grabando en condiciones distintas o diciendo palabras diferentes.

La "huella de voz" de la computadora tampoco es magia

Podrías pensar: "Está bien, pero las computadoras son inteligentes. Deben haber encontrado la verdadera huella de voz". El artículo dice: "No tan rápido". Las computadoras modernas usan matemáticas complejas para convertir las voces en códigos digitales (llamados "embeddings"). Es cierto que estas computadoras son buenas diferenciando voces, pero no están encontrando una tarjeta de identidad mágica e inalterable.

El artículo explica que estos códigos de computadora son en realidad una mezcla de todo: quién está hablando, lo que están diciendo, el ruido de fondo e incluso el tipo de micrófono utilizado. Si grabas a la misma persona con un teléfono barato frente a un micrófono de estudio, la computadora podría pensar que es una persona diferente. La computadora no está viendo una "huella de voz"; está viendo una instantánea de un momento específico en el tiempo. Los autores advierten que el hecho de que una computadora dé una puntuación alta diciendo "esto coincide", no significa que sea una verdad perfecta e inalterable. Solo significa que las dos grabaciones se ven similares bajo esas condiciones específicas.

El peligro de los Deepfakes

El artículo también habla de un problema nuevo y aterrador: los deepfakes. Esto es cuando la IA (Inteligencia Artificial) crea audio falso que suena exactamente como una persona real. Los autores dan ejemplos de criminales usando la IA para engañar a personas para que transfieran millones de dólares sonando como sus jefes.

Aquí está el detalle: El artículo dice que, incluso si un deepfake suena un 100% como tu amigo, eso no significa que tu amigo lo haya dicho. La vieja idea de la "huella de voz" asume que si suena como tú, debe ser tú. Pero con los deepfakes, esa regla se rompe. Una voz falsa puede sonar como una persona real sin que esa persona haya abierto la boca. Esto demuestra que una "voz" no es una huella dactilar única; es solo un patrón de sonido que puede ser copiado.

¿Qué deberíamos hacer en su lugar?

Entonces, si la huella de voz es un mito, ¿cómo resolvemos crímenes o verificamos identidades? El artículo no dice "dejen de usar las voces". Dice "dejen de usar las reglas equivocadas".

En lugar de preguntar, "¿Coinciden estas dos voces perfectamente?" (lo cual es imposible), los autores sugieren preguntar: "¿Qué tan probable es que esta voz provenga de la Persona A, en comparación con la Persona B, dadas todas las variaciones y condiciones?".

Quieren que usemos un sistema que admita la incertidumbre. Imagina a un detective diciendo: "Basado en la evidencia, es muy probable que esta voz pertenezca al sospechoso, pero tenemos que considerar que la grabación era mala, el sospechoso estaba enfermo y la IA podría haberlo falsificado". Esto se llama un enfoque "probabilístico". Es como decir: "Hay un 90% de probabilidad de que esta sea la persona correcta", en lugar de "Esta es definitivamente la persona correcta".

La conclusión

La idea principal de este artículo es simple pero poderosa: Las voces no son huellas dactilares. Son desordenadas, cambiantes y llenas de sorpresas. La idea de una "huella de voz" es un mito peligroso que nos hace estar demasiado confiados en nuestras conclusiones.

Los autores recomiendan que dejemos de usar la palabra "huella de voz" en las leyes y la ciencia porque nos engaña haciéndonos pensar que las voces son sellos fijos. En su lugar, debemos tratar la evidencia de voz como un rompecabezas con piezas faltantes. Necesitamos mirar todas las pistas: el estado de ánimo, la salud, la calidad de la grabación e incluso la posibilidad de falsificaciones por IA, y hacer una suposición cuidadosa y honesta sobre quién está hablando. Al hacer esto, dejamos de pretender que tenemos una llave mágica y comenzamos a usar una forma mucho más inteligente y confiable de escuchar.