DEL LO NATURAL A LO ARTIFICIAL: EL ASCENSO DE LA CLONACIÓN DE VOZ Y EL FUTURO DE LA AUTENTICIDAD VOCAL

Resumen

Este artículo buscó analizar las técnicas de clonación de voz, a través de un estudio exploratorio del modelo zero-shot multilingüe XTTS-v2 en el escenario del portugués brasileño. Se generaron 30 muestras artificiales con base en tres condiciones de referencia, con duraciones aproximadas de 8, 14 y 28 segundos, comparadas posteriormente con las grabaciones humanas utilizando descriptores acústico-prosódicos. La condición de 28 segundos demostró menor distancia media y dispersión en el índice exploratorio utilizado, lo que sugiere una mayor estabilidad en la misma. Aunque existen variaciones entre las frases producidas y el índice no constituye una medida directa de naturalidad/identidad vocal, los resultados muestran que pequeñas muestras de referencia ya son capaces de producir características acústico-prosódicas de la habla original. Las constataciones refuerzan la importancia de analizar la autenticidad vocal de forma multidimensional, contribuyendo a la discusión sobre los límites e impactos de la clonación y a los estudios de identificación del habla sintética en portugués brasileño.