Clonar uma voz leva 10 segundos. Provar que um áudio é falso leva dias

Na reta final do segundo turno, dois conteúdos resumem o que mudou nesta eleição: um vídeo desmentido em horas e um áudio que, quase duas semanas depois, segue sem resposta.

O vídeo mostra um candidato à Presidência anunciando corte de aposentadorias, do 13º salário e do programa Pé-de-Meia. Aos Fatos, Estadão Verifica e o Fato ou Fake, do g1, foram atrás do pronunciamento original, de 4 de outubro, e concluíram que a fala tinha sido trocada por áudio sintético, sincronizado com os lábios. Uma ferramenta de análise usada pelo Estadão apontou 96% de chance de manipulação. Antes do desmentido, o vídeo passou de 200 mil visualizações só no X, segundo o Aos Fatos.

O áudio é atribuído a um empresário preso, com conversa sobre dinheiro de campanha, e foi publicado por uma revista no dia 9. A defesa do empresário reconheceu a voz, mas disse não saber em que circunstâncias a gravação foi feita. Reconhecer a voz, porém, não prova que o arquivo está inteiro, sem corte nem trecho inserido, e a qualidade baixa do áudio atrapalha até o ouvido treinado. A campanha atingida pediu perícia à Polícia Federal para saber se houve edição ou inteligência artificial. Até o fechamento desta coluna, não havia laudo. Havia a dúvida, e ela já tinha feito o serviço dela.

Clonar leva segundos, provar leva dias

Em 2023, numa entrevista para a TV aqui em Maceió, eu expliquei que, para clonar uma voz, era preciso juntar bastante material gravado da pessoa. Isso envelheceu. Em 28 de setembro, a ElevenLabs, uma das maiores empresas de voz sintética do mundo, lançou um modelo que clona uma voz com 10 segundos de áudio e cita o português do Brasil entre os idiomas que mais melhoraram. O Qwen3-TTS, modelo gratuito e de código aberto da chinesa Alibaba, faz o mesmo com 3 segundos, num computador doméstico com placa de vídeo. Candidato tem horas de discurso no YouTube. Sobra material.

Do outro lado, a prova é lenta. Em Rondônia, um candidato ao Senado foi alvo de um áudio falso com fala racista. O perito contratado pela defesa encontrou duas coisas: artefatos acústicos típicos de voz sintética e a marca d'água digital da própria ElevenLabs, com modelo, identificador e horário de criação (27 de setembro, 23h45). Com o laudo, o TRE de Rondônia mandou remover o áudio em duas horas e ordenou que a empresa entregasse os dados da conta. Foi um caso de sorte para a perícia: o autor usou uma ferramenta que assina o que produz.

Ferramenta de código aberto não assina nada. Aí o perito fica com o espectro de frequência, a respiração, o ritmo da fala, os metadados do arquivo e a comparação com gravações verdadeiras. Em 2024, em Fortaleza, dois peritos analisaram o mesmo áudio de um candidato e chegaram a conclusões diferentes, como registrou o projeto Comprova. Os detectores automáticos entregam uma porcentagem, que serve como indício e não substitui o laudo. Pesquisas mostram que eles erram mais fora do inglês, idioma em que a maioria foi treinada.

O que vale até domingo

A resolução do TSE para 2026 exige aviso em todo conteúdo feito por IA; em áudio, o aviso vem no começo. Deepfake para atacar ou favorecer candidato é proibido mesmo com aviso. E a partir de amanhã, quinta-feira (22), 72 horas antes da votação, nem conteúdo rotulado com a voz de candidato pode ser publicado.

A regra está sendo aplicada: só em outubro, o TSE mandou apagar conteúdo feito com IA dos dois lados da disputa presidencial. Mas o monitoramento VigIA, da Agência Lupa com a Unicamp, contou 554 deepfakes entre 16 de agosto e 28 de setembro, e 525 deles saíram de perfis comuns ou anônimos, não de campanhas. O que chega no grupo da família vem de onde a regra alcança menos. Numa pesquisa Indexa/Broadcast de fim de setembro, 30% dos eleitores disseram ter recebido conteúdo que suspeitaram ser IA; desses, só 18% checaram.

O que eu faço quando um áudio desses chega: primeiro olho de onde veio. Áudio "vazado" sem origem, sem data, sem quem gravou nem para quem, já perdeu metade da credibilidade antes do play. Depois procuro se Agência Lupa, Aos Fatos, Comprova ou o Fato ou Fake já trataram do caso; na reta final, eles respondem em horas. Se o conteúdo me deixou com raiva ou com medo na hora, esse é o sinal de que foi feito para isso. E, quando vale a pena denunciar, o aplicativo Pardal, do TSE, recebe propaganda irregular.

O que eu não faço é decidir só de ouvido. Um estudo da Universidade da Califórnia em Berkeley, de 2025, mostrou que as pessoas identificam uma voz clonada em cerca de 60% das vezes, pouco acima de cara ou coroa.

Vale lembrar o outro lado dessa moeda. Quando todo áudio pode ser falso, quem foi gravado de verdade ganha uma saída: dizer que é deepfake. Pesquisadores chamam isso de dividendo do mentiroso, e um estudo da Universidade de Würzburg, na Alemanha, publicado este ano, mostrou que a alegação funciona mesmo quando o material é autêntico. Até domingo, o alvo não é só a sua confiança no que é falso. É a sua confiança no que é verdadeiro.