Puntos clave
- Las ramas más conocidas del deepfake son el cambio de cara, el ajuste de labios al nuevo diálogo y la clonación de voz a partir de una grabación corta. También hay métodos que pasan solo la expresión a otra cara o que generan por completo la cara de una persona que no existe.
- La técnica arrancó comprimiendo y reconstruyendo caras, siguió con dos redes compitiendo entre sí y al generar imágenes y video completos hoy la nitidez la aporta el método que rescata una imagen del ruido.
- Las pistas a simple vista, como el parpadeo o los dedos, ya no son fiables. En los experimentos de detección, el acierto humano se parece a lanzar una moneda.
- Por eso la respuesta se ha desplazado de buscar lo falso a simple vista a demostrar el origen y dejar marca en lo generado: firma de origen, marca de agua y modelos detectores, superpuestos.
- La técnica en sí no es culpable, pero crear material sexual sin consentimiento o usarlo para estafas y manipulación electoral está penado en muchos países. Si el contacto pide dinero o datos, a título personal lo que toca es volver a llamar al número de siempre.
La analogía
Cuando un buen imitador se sube al escenario y cierras los ojos, cuesta decir quién es el original. El imitador ha escuchado a esa persona cientos de veces y se ha llevado consigo hasta dónde respira y cómo le sube el tono al final de la frase. El deepfake es ese mismo talento puesto en manos de una máquina. Aprende de antemano a imitar con las fotos, videos y grabaciones de muchísima gente, y no copia solo la voz: copia también la cara, los gestos y el movimiento de los labios.
Sobre un escenario, la imitación hace gracia. Con el mismo talento, una llamada que suena como tu familia pidiendo dinero urgente es una estafa. La frontera no está en el talento, sino en para qué se usa.
En detalle
La imitación tiene tres ramas principales
Al oír deepfake casi todo el mundo piensa en cambiar caras, pero las ramas principales son tres. La primera es el cambio de cara: al personaje de un video se le sustituye solo la cara. La segunda es el ajuste de labios: la cara se deja igual y se redibujan labios y mandíbula para que encajen con un diálogo nuevo, que es la técnica del doblaje a otros idiomas. La tercera es la clonación de voz: con unos segundos de grabación se fabrica una voz que arrastra la entonación y hasta la respiración. Además existen métodos que pasan solo la expresión y el movimiento de cabeza a la cara de otra persona, y otros que generan por completo la cara de alguien que no existe.
El daño más grave hoy viene de mezclar las tres. Si en una videollamada se superpone una cara y encima se monta la voz, para quien recibe la llamada no hay diferencia con hablar con alguien conocido.
Cómo se aprende la imitación
Igual que ensaya un imitador, la IA empieza reuniendo material. Para la cara, fotos y video desde varios ángulos; para la voz, basta con una grabación corta.
El paso siguiente es extraer rasgos. Los métodos iniciales entrenaban a comprimir una cara hasta dejarla en muy poco y luego reconstruirla, y así se obtenía un resumen con la posición de ojos, nariz y boca y la expresión. A eso se sumó el enfoque en el que una parte fabrica falsificaciones y otra intenta cazarlas, subiendo las dos de nivel a la vez: la GAN (Generative Adversarial Network, red generativa antagónica). Con ella los resultados empezaron a resultar convincentes.
Al generar imágenes y video completos, lo que ha disparado la nitidez ahora es el método de difusión, que parte de una pantalla llena de ruido y rescata la imagen poco a poco. Como empieza borroso y afina en muchas pasadas, las zonas que antes se rompían, como las puntas del pelo o las sombras, salen naturales.
Por qué el ojo ya no basta
Antes había trucos: parpadea poco, los dedos salen raros, el cuello y la cara no tienen el mismo tono de piel. Esos trucos duraron poco. En cuanto se difunde una pista para detectarlos, el modelo siguiente se entrena precisamente para tapar esa debilidad.
Y lo que nos llega no es el archivo original en buena calidad, sino un video machacado tras pasar por varios chats de grupo o una voz aplastada por la compresión de una llamada. Las costuras se pierden ahí dentro. Se suma un detalle nada menor: cuanto más indignante es el contenido, más rápido circula antes de que nadie lo compruebe.
Mejor que buscar lo falso, aclarar el origen
Por eso la respuesta ha cambiado de dirección. En lugar de buscar lo falso a ojo, se deja constancia del origen de lo auténtico y se marca lo generado.
Lo primero es la firma de origen del contenido: el dispositivo de captura, el historial de edición y el aviso de que lo hizo una IA se firman dentro del archivo, y más tarde se comprueba si esa firma sigue intacta. Lo segundo es la marca de agua: en las imágenes y los audios creados por IA se incrusta una señal que el ojo y el oído no perciben. Lo tercero son los modelos detectores: en lo que no lleva firma ni marca, buscan rastros diminutos invisibles para una persona y lo filtran.
Ninguna es perfecta. La firma se cae si alguien vuelve a grabar la pantalla, la marca de agua puede romperse con ediciones fuertes hechas para borrarla y no sirve con generadores que no la incluyen, y los detectores pierden precisión ante métodos que no habían visto. De ahí que lo normal sea superponer las tres.
La línea entre el escenario y el delito
La técnica no tiene culpa. Sirve para devolver a un actor fallecido a una película, para recuperar la voz de quien la perdió por enfermedad y para doblar una clase a varios idiomas. Todos esos usos comparten dos cosas: hay consentimiento de la persona afectada (o de su familia, si ha fallecido) y hay un aviso de que el material está generado.
La línea se cruza cuando falta el consentimiento. Crear o difundir material sexual sintético, exigir una transferencia imitando la voz de un familiar o de un jefe, montar declaraciones falsas en campaña electoral: son conductas perseguidas en muchos países. A título personal, lo que toca es sencillo. Ante cualquier contacto que meta prisa para pedir dinero o datos personales, no lo confirmes dentro de esa misma llamada o mensaje: cuelga y vuelve a marcar al número que ya conocías. Acordar en familia una palabra corta de verificación va todavía más rápido, y publicar menos fotos de tu cara y menos clips de tu voz en cuentas abiertas también reduce el material disponible.
Con más precisión
La imagen del imitador acierta en el resultado, no en el proceso. El imitador escucha un sonido y mueve sus propias cuerdas vocales. El deepfake aprende la distribución numérica que forman los puntos de una pantalla y las ondas de un sonido, y calcula pantallas y ondas nuevas. No recorta y pega el original: se parece más a dibujar de nuevo, siguiendo la distribución aprendida, solo la parte que se quiere cambiar (cara, labios, voz) y componerla sobre el video original. Además, el imitador practica mucho con una sola persona, pero los modelos de hoy ya aprendieron antes con las voces y las caras de muchísima gente, así que les basta una grabación corta o unas pocas fotos del objetivo para imitarlo.
En cuanto a los términos, deepfake une aprendizaje profundo (deep learning) y falso (fake). El cambio de cara partió de los autocodificadores, que comprimen y reconstruyen los rasgos de cada persona; el realismo lo empujó el entrenamiento antagónico de las GAN; y, al generar imágenes y video completos, últimamente los modelos de difusión se han vuelto mayoritarios, aunque en el cambio de cara en tiempo real todavía se usan a veces modelos de tipo GAN. La clonación de voz extrae rasgos como el timbre y la forma de hablar de una muestra breve y lo aplica a frases nuevas, así que no necesita que la persona haya pronunciado esa frase jamás. Lo que devuelve un modelo detector tampoco es un verdadero o falso, sino una probabilidad, de modo que el resultado llega siempre en forma de porcentaje y conviene leerlo como un indicio y no como un veredicto cerrado.
Última verificación: 2026-10
Pruébalo
- Detect Fakes (¿sabrías distinguirlo?) ailearn.space La tarea de la primera pantalla puede cambiar, así que elige el experimento de detección de video o imagen e intenta acertar cuáles son reales. Estudia qué tan bien detectan las personas los deepfakes, así que puedes comprobar tu propio acierto
- ¿Cuál de estas caras es real? ailearn.space Un juego para elegir la cara creada por IA. Usa un modelo generativo temprano, así que quedan huellas en el fondo o en los pendientes, pero en los modelos recientes esas pistas casi han desaparecido
- Content Credentials (verifica el origen de un archivo) ailearn.space Una herramienta para comprobar si una imagen lleva firmado su historial de captura y edición
Malentendidos comunes
Es fácil pensar que un deepfake se nota si lo miras con atención, pero en realidad, en los experimentos de detección, el porcentaje de acierto humano no se aleja mucho de lanzar una moneda.
Es fácil creer que solo son objetivo las personas famosas, pero en realidad bastan unas pocas fotos publicadas en una cuenta abierta y una grabación corta de voz para fabricar el deepfake de cualquiera.
Es fácil suponer que pasando un programa de detección se resuelve la duda, pero en realidad el resultado es solo una probabilidad y pierde precisión ante métodos de generación que no había visto nunca.
Resumen en una línea
El deepfake es una imitación completa de cara y voz hecha por IA, así que hoy la defensa más segura no es afinar la vista, sino comprobar el origen y, si el contacto pide dinero o datos, colgar y volver a llamar al número de siempre.
¿Has visto un error o tienes una analogía mejor? Sugerir una corrección · Última actualización 2026-10-18