Erklärung
Beim Voice Cloning wird die Stimme einer Person anhand von Sprachaufnahmen modelliert, sodass das System beliebige Texte in dieser Stimme sprechen kann. Der Bedarf an Ausgangsmaterial ist nicht festgelegt: Je nach Modell und Qualitätsanspruch genügen kurze Aufnahmen für eine erkennbar ähnliche Stimme, während für besonders überzeugende Ergebnisse deutlich mehr Material und Nachbearbeitung nötig sein können.
Für Betrug sind Anrufe (Vishing), Sprachnachrichten und Voicemails besonders relevant, weil hier der Bildkanal fehlt und die Qualität von Telefonleitungen Unterschiede verdeckt. Aufnahmen können aus öffentlich verfügbaren Videos, Podcasts, Präsentationen oder Social-Media-Beiträgen stammen.
Legitime Anwendungen gibt es ebenfalls, etwa bei Sprachassistenten, Hörbüchern oder der Wiederherstellung der Stimme bei Sprachverlust.
Typisches Beispiel (schematisch)
Ein Anrufer meldet sich mit der Stimme eines Familienmitglieds, das angeblich in einer Notlage ist und Geld benötigt. Oder eine Stimme, die der einer Führungskraft ähnelt, bittet die Buchhaltung um eine dringende Zahlung.
Bedeutung für Forensik und Ermittlungen
Eine Audioaufnahme lässt sich auf Artefakte, Metadaten und Herkunft prüfen, ein zuverlässiger Nachweis der Fälschung ist aber nicht in jedem Fall möglich. Häufig ist der Kontext aussagekräftiger: Anrufdaten, Rufnummernherkunft, Zeitpunkt, Folgehandlungen und das Verhalten der beteiligten Konten.
Erkennung und Prävention
Bei unerwarteten Anrufen mit Handlungsdruck gilt: auflegen, über eine bekannte Nummer zurückrufen. Ein vereinbartes Familien-Codewort und die Out-of-Band-Validierung bei Zahlungen schützen unabhängig davon, wie gut die Stimme klingt.
Auch gesucht als Stimmklonen, Stimmenklonen, Stimm-Klonen, Voice-Cloning, Stimmklon, Stimmimitation, Sprachklonen, Voice Clone, synthetische Stimme