DO NATURAL AO ARTIFICIAL: A ASCENSÃO DA CLONAGEM DE VOZ E O FUTURO DA AUTENTICIDADE VOCAL

Resumo

Esse artigo buscou analisa as técnicas de clonagem de voz, através de um estudo exploratório do modelo zero-shot multilíngue XTTS-v2 no cenário do português brasileiro. Foram geradas 30 amostras artificiais com base em três condições de referência, com durações aproximadas de 8, 14 e 28 segundos, em seguida comparadas às gravações humanas utilizando descritores acústico-prosódicos. A condição de 28 segundos demonstrou menor distância média e dispersão no índice exploratório utilizado, sugerindo maior estabilidade na mesma. Embora haja variações entre as frases produzidas e o índice não constitua uma medida direta de naturalidade/identidade vocal, os resultados mostram que pequenas amostras de referência já são capazes de produzir características acústico-prosódicas da fala original. As constatações reforçam a importância de analisar a autenticidade vocal de forma multidimensional, contribuindo para a discussão dos limites e impactos da clonagem e estudos de identificação da fala sintética em português brasileiro.