Voice cloning: cómo funciona y qué está permitido

Cómo funciona

Un modelo de voice cloning no pega trozos de muestras. De la grabación extrae una identidad de voz — una serie de números que describe qué hace que esa voz suene como suena: el timbre, la velocidad al hablar, los rasgos de la entonación. A partir de ahí puede decir cualquier texto con esa identidad.

Por eso basta con tan poco. El modelo ya se sabe las reglas generales del habla; de la grabación solo tiene que aprender en qué se aparta esta voz de la media. Y eso se lee en unas decenas de segundos de habla limpia — que es la propiedad más incómoda de esta tecnología, porque esa cantidad de audio de casi cualquiera existe ya en público.

Los dos niveles que ofrecen

• Clonación instantánea. De medio minuto a un minuto de audio y resultado inmediato. Es reconocible, pero los rasgos finos — la risa, el ritmo de las pausas — no llegan a pasar.
• Clonación profesional. Media hora o más de grabación limpia de estudio, y horas de procesamiento. Esta ya se parece hasta confundir.
• Clonación verificada. En el nivel profesional, los proveedores suelen pedir verificación de identidad y una declaración de consentimiento grabada en voz: tienes que leer una frase concreta que deja constancia de que lo sabes y lo aceptas.
• Bibliotecas de voces ya hechas. No es clonación: son voces de locutores propios con los que el proveedor tiene contrato. Jurídicamente es la vía más limpia, y para la mayoría de los trabajos basta.

En España: la ley que ya lo nombra

Mucha gente busca una analogía — «la voz es como la imagen» —, y no hace ninguna falta. La Ley Orgánica 1/1982, de protección civil del derecho al honor, a la intimidad personal y familiar y a la propia imagen, nombra la voz de forma expresa: su artículo séptimo, apartado sexto, considera intromisión ilegítima «la utilización del nombre, de la voz o de la imagen de una persona para fines publicitarios, comerciales o de naturaleza análoga». El punto de partida, por tanto, no es incierto: sin consentimiento, no.

Hay un segundo error frecuente, este por el lado de la protección de datos. La voz es dato personal, eso es cierto. Pero no es automáticamente dato biométrico «de categoría especial»: solo lo es cuando la finalidad del tratamiento es específicamente la identificación única. Una voz clonada para una locución es, por tanto, dato personal, pero no cae en el cajón más estricto — el control de acceso por voz sí. La diferencia entre las dos cosas es grande en términos de negocio.

De qué depende de verdad el consentimiento

Si usas la voz de un compañero o de un cliente, el consentimiento no es una firma, sino la respuesta a cuatro preguntas concretas.

• Para qué. ¿Formación interna? ¿Publicidad? ¿Atención al cliente? La fórmula «para fines de marketing» es demasiado amplia para valer algo.
• Hasta cuándo. Plazo cerrado, o hasta que se revoque. En el segundo caso, deja escrito cómo se revoca y qué pasa con el material ya producido.
• Quién tiene acceso. Una voz clonada vive en una cuenta. ¿Quién puede generar con ella y cómo te enterarías si alguien abusa?
• Qué pasa cuando esa persona se va. Es el punto que más se olvida. La voz de un excompañero puede quedarse años en el material de formación.

Lo que exige el reglamento europeo

El artículo correspondiente del Reglamento de IA se aplica desde el 2 de agosto de 2026 — o sea, ya está vivo. Contiene dos obligaciones independientes entre sí. Una es la del proveedor: el audio generado hay que marcarlo de forma legible por máquina. La otra es la de quien publica: si el contenido es audio o imagen sintéticos capaces de engañar, hay que declararlo ante el público.

La sanción no es simbólica: el reglamento permite multas de hasta quince millones de euros o el tres por ciento de la facturación mundial, y cada Estado miembro añade encima sus propias normas nacionales de ejecución. Para el detalle práctico — cuándo, dónde y cómo hay que etiquetar — está Etiquetar vídeo con IA, el artículo que lo repasa.

La foto de Estados Unidos, que es instructiva

En Estados Unidos no hay una norma federal única: el proyecto de ley llamado a ordenar el asunto seguía en fase de comisión a mediados de 2026, así que no está en vigor. Los estados, en cambio, se han adelantado — una ley estatal está vigente desde 2024 y tiene la particularidad de que prohíbe la herramienta misma, no solo el uso del resultado; otro estado regula desde principios de 2025 el lado contractual de la cuestión.

Lo más instructivo, con todo, es una decisión judicial estadounidense de 2025 que dijo dos cosas a la vez: la voz por sí sola no está protegida por derechos de autor, pero la reclamación por derechos de la personalidad sí se sostiene. Visto desde España resulta familiar, porque aquí la base nunca fue la propiedad intelectual. Es decir, quien intenta defender su voz con un argumento de «derechos de autor» llama a la puerta equivocada.

Qué hacer en la práctica

• Si no necesitas a una persona concreta, no clones. Las bibliotecas de voces de los proveedores son limpias jurídicamente y suficientes para casi todo.
• Si clonas tu propia voz, déjalo anotado. Varias plataformas no piden etiqueta cuando se usa tu propia voz para doblaje — pero eso varía de una a otra, y cambia.
• Consentimiento por escrito, respondiendo a cuatro preguntas. Para qué, hasta cuándo, quién tiene acceso y qué pasa cuando esa persona se va.
• Nunca clones a partir de una grabación pública. Un pódcast, una entrevista o un vídeo en redes no son consentimiento — ni jurídica ni moralmente.

Malentendidos habituales

• «Mi voz no está protegida, porque no es una obra.» La protección no es de derechos de autor, sino de derechos de la personalidad. Es otra rama del derecho, y sí cubre la voz.
• «Si la grabación es pública, se puede usar: la oye cualquiera.» Que algo sea público no es consentimiento. Es el error más frecuente y el más caro de todos.
• «Si lo etiqueto como IA, ya está.» Etiquetar y obtener consentimiento son dos obligaciones distintas. La etiqueta no sustituye al permiso.
• «La voz siempre es dato biométrico de categoría especial.» Solo cuando la finalidad es la identificación única. En una locución no lo es.

Lo que conviene llevarse

Por el lado de la tecnología la cuestión está resuelta: medio minuto de grabación da un clon reconocible. La decisión, por tanto, no es técnica, sino jurídica y ética. Si no necesitas la voz de una persona concreta, usa una voz de biblioteca. Si la necesitas, consigue un consentimiento escrito y concreto — y nunca trabajes a partir de una grabación pública. Sobre el flujo de trabajo del doblaje multilingüe trata Lipsync y doblaje, que detalla los pasos. Y si tu pregunta es qué hacer cuando alguien pide dinero con tu voz, la regla de la devolución de llamada es la respuesta.