只需几秒钟的清晰录音,就能合成出以假乱真的熟人声音。近一段时间,利用AI语音克隆实施的诈骗案件在多地出现,受害者往往在接到“亲友求助”或“领导指示”的电话后仓促转账,等回拨核实为时已晚。声音这一沿用多年的身份判断依据,正在快速失效。
门槛下降:几秒样本就能“复制”一个人
语音克隆并非新技术,但过去需要大量录音素材和较高算力。近两年,开源语音合成模型持续迭代,配合小样本微调方法,十几秒甚至几秒的目标语音就足以提取出音色、音高与节奏特征。云端算力按需租用,单次合成成本被压到很低。这项能力不再掌握在少数实验室手中,普通用户借助公开工具即可完成尝试。
与之对应,诈骗套路也在快速成型,常见的有:
- 冒充亲友,以“手机丢了”“急需周转”为由借款,并借助改号手段伪装来电显示;
- 冒充领导或同事,在工作时段致电财务人员,语气急促、强调保密,压缩核实时间;
- 冒充客服、公检法,叠加换脸视频通话,营造“当面沟通”的错觉;
- 先用短语音试探号码是否活跃,再针对性地实施精准诈骗。
听声辨人为何失灵
人对声音的辨别依赖音色、语速、口音和口头禅等线索,而这些恰恰是语音克隆最容易复刻的部分。诈骗者还会刻意加入环境噪声、咳嗽和停顿,让通话显得更“真实”。加上语音通话本身带宽有限,许多细节被进一步掩盖,听觉判断的空间被大幅压缩。
更棘手的是实时交互。早期合成需要预先录好整段话,如今模型可以在对话过程中即时生成回应,几轮问答下来,普通人很难只凭耳朵发现问题。一些案件中,受害者直到第二次接到同样声音的电话,才察觉异常。
防线该设在哪里
行业与监管正在补课。多家银行对异常转账增加人工回拨与二次确认;通信运营商推出可疑号码提醒和反诈提示;一些企业要求大额付款必须双人复核并线下确认。技术侧,声纹核验、活体检测、音频深度伪造检测正被陆续接入客服与支付环节,用于识别机器合成痕迹。
但声纹核验并非万能。合成技术同样可以模仿声纹特征,而单一生物特征一旦泄露就难以更换,反而可能带来新的风险。更稳妥的做法是把声纹与设备指纹、通话行为、账户历史等信号组合起来做多因素判断,并在关键环节保留人工介入通道,避免把决定权完全交给算法。
对个人而言,一些习惯能显著降低风险:
- 在社交平台少发含清晰人声的短视频和语音消息;
- 与家人约定只有彼此知道的暗语或验证问题;
- 凡涉及转账的语音、视频请求,先挂断,再用已知号码回拨确认;
- 对“别挂电话”“一定要保密”等话术保持警惕。
法律层面,反电信网络诈骗法、互联网信息服务深度合成管理规定等已对合成内容标识与平台责任提出要求,取证与追责规则仍在细化。技术让声音变得可以被复制,核实身份的方式也必须从“听”转向“多问一句、多打一个电话”。