Představte si, že sedíte v klidu doma, když najednou zazvoní telefon. Zvednete sluchátko a uslyšíte hlas svého vnuka nebo vnučky. Hlas je roztřesený, možná trochu chraplavý dojetím, ale nemáte ani nejmenší pochybnosti – poznáte ho okamžitě. Slyšíte prosbu o naléhavou finanční pomoc, protože došlo k nehodě. Okamžitě se ve vás objeví strach a přirozená touha zachránit blízkého člověka, protože ho přece slyšíte na vlastní uši a nepochybně se nachází v nouzi, že?

Bohužel to může být velmi rafinovaná past. Dnes už podvodníci nemusí předstírat, že jsou někým jiným, ani měnit tón hlasu.

Deepfake audio, často nazývané klonování hlasu, je moderní způsob, jak téměř dokonale napodobit to, jak zní konkrétní osoba. Jedná se o pokus o podvod, při kterém zločinci využívají počítačové programy k vytvoření nahrávky, která zní jako hlas někoho, komu důvěřujeme – například člena rodiny, přítele nebo šéfa.

Podvodníci potřebují pouze krátký zvukový vzorek (např. z videa zveřejněného na sociálních sítích), aby „naučili“ počítač napodobovat intonaci a zabarvení hlasu dané osoby. Díky tomu nám mohou volat a žádat o naléhavou finanční pomoc nebo o sdělení hesel, přičemž znějí tak věrohodně, že může být opravdu těžké něco tušit.

Celý proces obvykle probíhá takto:

1. Sběr vzorků: Podvodník musí nejprve získat hlasovou nahrávku osoby, za kterou se chce vydávat. V dnešní době je to snadné – stačí krátké video, které jsme zveřejnili na internetu (např. záznam z dovolené nebo přání k narozeninám).
2. Učení: Speciální počítačový program tuto nahrávku „poslouchá“ tisíckrát za sekundu. Učí se každou nuanci v hlase, jak daná osoba dýchá, jak klade důraz na slova a jaký má zabarvení hlasu. Na tomto základě si počítač vytvoří „mapu“ zvuku tohoto konkrétního hlasu.
3. Proměna v reálném čase: Když vám podvodník volá, mluví do mikrofonu svým vlastním hlasem. Program v jeho počítači však okamžitě, v zlomku sekundy, mění jeho slova tak, aby zněla jako hlas osoby, za kterou se chce vydávat.

Je to trochu jako by si zločinec oblékl speciální kostým, který mění vše, co řekne, na hlas někoho, kdo je nám blízký. Říká, co chce, a my ve sluchátku slyšíme známý hlas, kterému důvěřujeme.

Je dobré vědět, že deepfake nemusí být nutně jen předem natočená videa, která nám někdo posílá v zprávách nebo zveřejňuje na internetu. Dnešní technologie umožňuje podvodníkům nasadit „digitální masku“ na obličej v reálném čase, tedy během právě probíhajícího videohovoru. To znamená, že můžete s někým hovořit přes komunikační aplikaci (např. WhatsApp), vidět tvář svého známého a slyšet, jak odpovídá na vaše otázky, zatímco ve skutečnosti na druhé straně sedí podvodník a jeho hlas i obraz jsou průběžně měněny počítačem.

Navíc podvodníci dokážou upravovat nejen svou tvář, ale i to, co je vidět za jejich zády. Falešné pozadí může vyvolat dojem, že vám volá někdo z seriózní instituce, např. z bankovní pobočky, policejní stanice nebo nemocničního pokoje. To vše s cílem vzbudit vaši důvěru a způsobit, aby situace vypadala oficiálně a věrohodně.