«Señoras y señores, no soy una IA, soy un actor de doblaje real. Ahora voy a recitar un trabalenguas —ochocientos soldados corren hacia la ladera norte…»
Julio de 2026, Xuzhou, Jiangsu. Shen Anyu, de 31 años, mira a la cámara de su móvil, recita el trabalenguas con su característica voz grave, y esboza una sonrisa amarga. Es la quinta vez en el último año que graba un «vídeo de autodemostración» —para demostrar a las plataformas, a los clientes, a cualquiera que pudiera dudar: su voz pertenece a un ser humano de carne y hueso.
Le «robaron» la voz
Shen Anyu es un actor de doblaje con cierta fama en las plataformas chinas de vídeo corto. Lleva seis años poniendo voz a un canal de comentarios cinematográficos que acumula más de cinco millones de seguidores en Douyin. Los vídeos que él narra alcanzan a menudo millones de reproducciones. Con esa voz, sus ingresos mensuales empezaron en 10 000 yuanes y en temporada alta llegaban a 30 000. El año pasado acababa de mudarse con su esposa, Wei Yiyuan, a una casa nueva.
Pero a partir de 2025, todo cambió.
Empezó a oír «su» voz por internet —narrando películas, retransmitiendo noticias deportivas, promocionando productos, difundiendo teorías conspirativas, incluso insultando en vídeos cortos—contenido que él nunca había grabado. Familiares y amigos le enviaban esos vídeos para felicitarle; algunos incluso le pidieron dinero prestado, pensando que los trabajos le llovían.
La realidad era la contraria. Los sistemas de detección de IA de las plataformas empezaron a confundir sus grabaciones reales con «contenido generado por IA». Le ponían una etiqueta, las recomendaciones caían en picado, las reproducciones se desplomaban, y los ingresos de sus clientes también se reducían. Un cliente, al reclamar a la plataforma, recibió una respuesta escalofriante: «No sé, he oído esta voz tantas veces que siempre pensé que era generada por IA.»
Síntesis de voz por IA, ¿cómo lo hacen?
Para entender la situación de Shen Anyu, primero hay que comprender una cosa: ¿por qué la clonación de voz por IA es tan real?
La síntesis de voz tradicional (como la de los navegadores GPS) se basa en el «empalme»: se cortan grandes cantidades de grabaciones reales en fragmentos pequeños y se ensamblan según reglas. Esta voz suena claramente a máquina, porque siempre hay cortes bruscos en las uniones, y el tono y la emoción son monótonos de principio a fin.
A partir de 2023, una tecnología llamada «síntesis neuronal de voz» cambió el panorama por completo. No empalma grabaciones, sino que la IA «aprende» las características vocales de una persona —tono, timbre, velocidad, ritmo, hábitos de articulación e incluso la forma de respirar. Es como un pintor que, tras aprender el estilo de alguien, ya no necesita mirar fotos: con solo coger el pincel, es capaz de dibujar una obra idéntica.
Lo más relevante es que este aprendizaje ahora requiere muy poco material. Antes, para clonar una voz hacía falta que una persona leyera decenas de horas de texto. En 2025, las herramientas de voz por IA más populares —ElevenLabs en el extranjero, Fish Audio en China— ya eran capaces de hacer «clonación con cero ejemplos» a partir de unos segundos de audio. Con tres segundos de grabación se puede generar hasta diez minutos de voz con entonación natural, a un coste de «lo que vale una botella de agua mineral».
Los resultados de las investigaciones son aún más inquietantes. Un estudio de 2025 de la Universidad Queen Mary de Londres demostró que la voz generada por IA ya ha superado el «umbral de indistinguibilidad» —los oyentes comunes, sin saberlo, no pueden diferenciar entre la voz de una IA y una grabación real. Los datos de la empresa de ciberseguridad DeepStrike muestran que el volumen de contenido deepfake pasó de 500 000 en 2023 a 8 millones en 2025, un aumento cercano al 900 %.
Esto significa que el oído humano ya no puede ser una línea de defensa fiable para distinguir entre voces reales y falsas.
He consultado múltiples informes técnicos. La síntesis de voz por IA actual se basa principalmente en tres líneas tecnológicas: la generación de voz mediante modelos de difusión (similar al principio de la IA generativa de imágenes), la síntesis extremo a extremo basada en códecs de audio, y la generación multimodal de voz integrada con grandes modelos de lenguaje —la IA no solo imita la voz, sino que ajusta automáticamente la emoción y las pausas según el contenido del texto. Estas tres líneas han madurado rápidamente entre 2025 y 2026, reduciendo la barrera técnica para clonar una voz al nivel de «descargar una aplicación y listo».
Un golpe tecnológico demoledor: la lucha por la supervivencia de un sector
Shen Anyu no es un caso aislado. La industria del doblaje en China está sufriendo un «golpe tecnológico demoledor».
Liu Siya (Ciya Liu), actriz de doblaje de 28 años, grabó la voz de la protagonista de una serie corta. Después, la productora le envió unos audios pidiéndole que «regrabara para mejorar la calidad». Al escucharlos, se quedó de piedra: la voz sonaba como la suya, incluso con sus pequeños defectos de pronunciación, pero las pausas y los acentos no se correspondían en absoluto con su estilo. Sospechó que la empresa había usado sus grabaciones para entrenar un modelo de IA. Cuando la confrontó, la empresa negó el entrenamiento con IA, pero no pudo explicar el origen de los audios. Más alarmante aún: la empresa notificó después a otros actores de doblaje que aceptaran un recorte del 10 % en sus honorarios, o un retraso en los pagos, advirtiendo que sería la última colaboración porque iban a pasarse a «series producidas con IA».
Xu Ziqi, actriz de doblaje de 30 años, se enfrenta a otra realidad cruel: la tarifa por hora para narrar audiolibros ha caído de 80 a 40 yuanes. En los grupos de WeChat donde antes entraban decenas de encargos al día, ahora aparece uno cada varios días. A principios de año, docenas de actores de doblaje conocidos se manifestaron públicamente declarando que nunca habían autorizado el uso de sus voces para entrenar modelos de IA. El estudio de doblaje 729 Voice Workshop señaló que los audiodramas generados por IA ya aparecen en miles de episodios y en innumerables cuentas, y que el uso no autorizado es casi imposible de rastrear.
Xu Ziqi resumió el dilema del sector: «Muchos novatos creen que con perfeccionar la voz y mejorar la técnica podrán ser mejores que la IA. Pero los que llevamos años en esto sabemos que los clientes a menudo solo quieren un timbre concreto. Ahora la IA puede replicar cualquier timbre que deseen.»
«La IA se queda con la mejor versión de la voz y la interpretación de cada uno», dice. «Cuanto más practicas y más te perfeccionas, más material de aprendizaje tiene.»
Esta frase esconde una paradoja cruel: en la era de la IA, cuanto más se esfuerza un actor de doblaje por mejorar, más probable es que se convierta en el objetivo a reemplazar.
Librando una batalla casi imposible de ganar
¿Qué difícil es defender los derechos cuando te han clonado la voz?
Shen Anyu y su esposa probaron todo lo que se les ocurrió: recopilar vídeos y capturas de pantalla, registrar uno por uno los enlaces infractores, contactar a los que subían el contenido, denunciar a las plataformas, consultar a abogados, preparar demandas.
Los resultados al contactar a los infractores fueron variados: unos pocos eliminaron los vídeos; la mayoría simplemente los ignoró. Alguien respondió: «No te metas conmigo, puedo hacer mejores vídeos con otra voz y te pisoteo.» Otros propusieron comprar la licencia de la voz clonada, como si la infracción fuera una oportunidad de negocio a la que se pudiera «comprar un billete».
Los canales de denuncia de las plataformas son casi irrelevantes. Wei Yiyuan cuenta que una vez una denuncia funcionó, y creyó haber encontrado un camino. «A partir de entonces, como una loca, no paraba de copiar enlaces.» Pero las denuncias posteriores se hundieron sin dejar rastro. «Cada día recopilaba pruebas y presentaba denuncias, pero cada día era más desesperante.»
El camino legal es igualmente arduo. En 2024, el abogado Ren Xiangyu, de Pekín, representó el primer caso chino de infracción de voz por IA, que posteriormente fue seleccionado por el Tribunal Supremo como caso de referencia. La sentencia dejó claro: la clonación de voz no autorizada vulnera los derechos de la personalidad; poseer los derechos de autor de una grabación no da derecho a usar libremente la voz del actor de doblaje. Pero Ren Xiangyu admite que la situación de Shen Anyu es mucho más compleja que la del primer caso —en aquel, el demandante disponía de más de 50 horas de material de grabación y un demandado claramente identificado. Hoy, cualquiera puede clonar una voz a partir de tres segundos de audio y difundirla a través de innumerables cuentas anónimas. Identificar a los infractores es casi imposible, y el coste económico de la defensa (solo la peritación de huella de voz cuesta al menos 10 000 yuanes) supera con creces cualquier posible indemnización.
«El coste de la infracción es demasiado bajo», dice Ren Xiangyu.
«Puede que tenga que librar esta batalla toda la vida»
Algunos aconsejan a Shen Anyu: ya que te han clonado la voz, mejor autorízala tú mismo y gana dinero con ello. Algunos actores de doblaje que han perdido su trabajo se han reconvertido en instructores de tecnología de clonación de voz por IA.
Shen Anyu lo rechazó.
«No creo que la IA sea algo malo; es una herramienta», dice. «Pero es cómo la usa la gente lo que importa.» Tras compartir su experiencia en internet, recibió mensajes de muchos actores de doblaje e incluso de profesionales de otros sectores que se enfrentan a situaciones similares. Esas voces le han hecho más firme. Dedica cada vez más tiempo a documentar infracciones y preparar la demanda.
Prevé que el juicio será muy difícil. «Puede que tenga que litigar durante años, quizá toda la vida», dice. «Estoy preparado para perder, pero espero al menos cambiar algo.»
Para compensar la pérdida de ingresos, Shen Anyu y su esposa han empezado a hacer sus propios vídeos cortos. Su favorito trata sobre el poeta de la dinastía Song del Sur, Xin Qiji —aquel militar y poeta cuyas ambiciones nunca se cumplieron. Al grabar, Shen Anyu descubrió que ponía toda su emoción en las palabras.
Durante esos minutos, usaba su propia voz para decir lo que él quería decir.
Nota del autor: Este artículo se basa en el reportaje original de Sixth Tone, los debates de la comunidad de Hacker News y múltiples informes técnicos sobre síntesis de voz por IA. Los principios técnicos se explican en un lenguaje accesible; los juicios especializados se apoyan en investigaciones académicas públicas e informes del sector. Las posturas de las partes implicadas proceden de entrevistas o declaraciones públicas. Mi objetivo es presentar la complejidad de los hechos sin tomar partido —la tecnología de voz por IA aporta una creatividad asombrosa, pero también genera dilemas éticos sin precedentes. Cómo equilibrar ambas cosas es una pregunta que aún no tiene respuesta.
Enlaces de referencia: