Palabra clave familiar y verificación de la voz de quien llama

No, y es una decisión deliberada. Hoy no existe una forma fiable de distinguir la síntesis del habla real por el sonido: sistemas corporativos como Pindrop y Hiya dan sus cifras sobre audio limpio de estudio, y en una llamada telefónica comprimida — justo la situación para la que se compran — el acierto baja a unos dos tercios. Nosotros respondemos a otra pregunta, si la voz coincide con una referencia guardada, y esa respuesta la verificamos midiendo.

Porque un buen clon se parece al original por diseño: ese es todo su propósito. Coincidir con la referencia solo significa que no se ha encontrado contradicción. Desmentir funciona al revés: si la voz difiere claramente, eso solo ya basta para colgar y devolver la llamada usted. Toda la escala está construida alrededor de esa asimetría y no alrededor de un porcentaje de parecido.

Una palabra fija es segura justo hasta la primera fuga, y no se filtra por un ataque informático sino por una conversación: la «seguridad del banco» pide a una persona mayor que diga la contraseña familiar «para verificar», y la familia no llega a enterarse. Una palabra rotatoria se deriva del secreto compartido del círculo y del número de la ventana de cinco minutos, así que lo dicho ayer hoy no significa nada. El precio es que la otra parte necesita la misma página abierta, y por eso la palabra fija sigue siendo la opción por defecto.

No necesariamente, y por eso junto a la actual siempre se muestra la anterior. La ventana dura cinco minutos y los relojes de los móviles se desvían unos segundos; si la llamada empieza justo en el cambio, la persona lee la palabra que acaba de caducar. Coincidir con cualquiera de las dos es normal. Lo preocupante es otra cosa: que no sepan decir nada en absoluto o que desvíen la conversación de la pregunta.

Un micrófono con el altavoz puesto oye la sala: los rebotes de las paredes, el procesado del altavoz del teléfono y su propia voz — todo eso altera el espectro, y el espectro es justo lo que usa la comparación. La captura de pestaña toma el audio de WhatsApp Web, Telegram Desktop o Zoom antes del altavoz, así que la comparación se apoya en la voz y no en la acústica de su cocina. La puerta solo aparece en navegadores capaces de compartir el audio de la pestaña, y el interruptor «Compartir audio» tiene que estar activado en el selector.

La grabación la analiza el código de la página en su navegador, y en la memoria del dispositivo queda una huella numérica: coeficientes cepstrales promediados, la velocidad de transición entre sonidos, la forma del espectro a largo plazo y la mediana del tono fundamental. Con esos números la voz no se puede reconstruir: bastan para comparar, no para reproducir. La grabación en sí no se conserva después del cálculo. Como en cualquier página del sitio, durante el funcionamiento se recogen estadísticas técnicas de uso.

Sigue valiendo la regla que gana a cualquier tecnología: cuelgue y devuelva la llamada al número de su propia agenda, no al que le ha llamado. Si nadie contesta, llame a un segundo familiar antes de hacer nada con dinero. Si la persona está realmente en apuros, cinco minutos no cambian nada; si es un estafador, la conversación termina ahí. Todo lo demás de esta página existe para reforzar esa regla, no para sustituirla.