Hoje bastam alguns segundos de gravação para imitar a voz de qualquer pessoa. Arquivos de áudio têm menos metadados que imagens e se degradam fácil em ligações e mensageiros, então a conferência depende muito de detectores que leem o próprio som.
Alguns serviços e ferramentas abertas incorporam marcas d’água inaudíveis. O Origma lê algumas marcas de áudio públicas e confere o contêiner e o registro do codificador. Uma marca confirmada é evidência forte, mas a maioria das cópias em circulação já não a tem.
A voz sintética deixa na respiração, no ruído e na distribuição das faixas de frequência regularidades diferentes das gravações humanas. O quadro acima mostra o conjunto de áudio. Por decisão da gestão, o limiar de áudio permite sinalizar até 3 % das gravações humanas, então ele tem mais chance que nas imagens de sinalizar uma pessoa por engano.
Redes de telefone e mensageiros comprimem o som numa faixa estreita. No caminho se perde muito do que o detector lê, por isso gravações de ligação ficam inconclusivas com mais frequência. O arquivo original, se houver, é bem mais preciso.
Não espere uma nota: confirme primeiro com a pessoa por outro canal. O resultado só apoia o seu julgamento, e se pedirem dinheiro, a regra é não pagar antes de confirmar, seja qual for o resultado.
Este texto é orientação geral, não aconselhamento jurídico. Um resultado de análise é uma avaliação probabilística, não uma prova.