Jak AI klonuje hlas a dá se to poznat?

Jak klonování hlasu technicky funguje

Klonování hlasu probíhá v dvou fázích: extrakci rysů řeči (speaker embedding) a syntézu nového zvuku. Model se učí mapovat text na akustické vlastnosti konkrétního mluvčího · výšku tónu, tempo, artikulaci a spektrální obarvení. V auditech CIAD se ukazuje, že moderní architektury typu VITS nebo XTTS zvládnou i češtinu s diakritikou a správnou intonací otázek. První krok je vytvoření matematického otisku hlasu z referenčního zvuku. Druhý krok používá tento otisk jako podmínku pro generátor mluvení, který produkuje vlnový formulář nebo spektrogram.

Co stačí k vytvoření klonu a jak to vypadá v praxi

Pro základní klon stačí 3 až 10 sekund čisté nahrávky, pro kvalitní výsledek ideálně 1 až 5 minut bez šumu a hudba na pozadí. K dispozici jsou otevřené modely spustitelné lokálně i komerční API s webovým rozhraním. Typický scénář: podvodník stáhne hlasovou zprávu z voicemailu, sociálních sítí nebo nahrávejte hovor pod falešným předtextem. Modelový příklad z českého prostředí: útočník zavolá seniorovi: „Babičko, jsem vnuk Petr, rozbil jsem auto a potřebuji okamžitě 30 tisíc na zálohu, posli to na tento účet.“ Hlas zní jako skutečný vnuk, text je ale generován modelem v reálném čase.

Jak rozpoznat falešný hlas při hovoru

Syntetický hlas se často prozradí chybějícími mikrovariace v tónu, nesprávnou intonací otázek nebo absencí přirozených zpoždění při myšlení. Technické artefakty se projevují při složitějších slovech, číslovkách nebo jmenech · model může sklopit slabiky, zkazit přízvuky nebo vložit nepatřičnou pauzu. Další znaky: příliš rovnoměrné tempo, absence dechových vdechů, metallický nebo vlnitý přezvuk při vyšší hlasitosti, a nepatřičná latence odpovědi, když model generuje text na letu. Pokud volající odmítne přerušit proud slov nebo reaguje na nesmyslné otázky bez zvratu, je to silný indikátor automatizace.

Praktická ochrana proti podvodům s klonovaným hlasem

Nejlepší obranou je ověření identity přes druhý kanál a nastavení rodinného hesla. Nikdy neposílejte peníze ani citlivé údaje jen na základě hlasového hovoru. Konkrétní kroky:

1. Dohodněte se s blízkými na tajném slově nebo otázce, kterou nezná veřejnost (např. „Jak se jmenoval náš první pes?“).
2. Pokud dostanete podezřelý hovor, položíte a zavolejte zpět na známé, ověřené číslo.
3. Ptějte se na detail, který nelze dohledat na sociálních sítích (vnitřní rodinná vzpomínka).
4. Nepovolujte stisknutí tlačítek v IVR menu ani instalaci vzdálené ovládací aplikace.
5. Hlaste podezřelé pokusy na policii a banku, i když jste neuhodli.

Co to znamená: Technologie klonování hlasu je dostupná a levná, takže se stává standardní součástí sociálního inženýrství. Obrana ne spočívá v technickém rozpoznání deepfaku, ale v procesové ochraně · ověření identity nezávislým kanálem a předem dohodnuté tajemství.