Deepfake vocali, bastano 3 secondi: il falso costa appena 30 euro

Tre secondi di registrazione possono essere sufficienti per ricreare una voce con una somiglianza dell’85%, mentre il costo di un falso audio può scendere fino a 30 euro. La tecnologia offre applicazioni utili, ma sta anche diventando una risorsa per frodi finanziarie, campagne di disinformazione e manipolazioni dell’immagine pubblica.

Il tema è tornato all’attenzione dopo la decisione della presidente del Consiglio Giorgia Meloni di depositare la propria voce presso l’Ufficio dell’Unione europea per la proprietà intellettuale. L’obiettivo è contrastare eventuali utilizzi fraudolenti della sua identità generati con l’intelligenza artificiale.

La voce clonata entra nelle truffe

La crescita del fenomeno procede rapidamente. Secondo McAfee, nell’arco di un anno i contenuti falsificati — video, immagini e audio — sono aumentati del 900%, mentre i tentativi complessivi di frode hanno registrato incrementi superiori al 3.000%; nel 2026 gli attacchi risultano cresciuti del 700% su base annua. Per i reati collegati alla clonazione vocale e ai falsi audio, l’aumento indicato arriva al 1.300%.

Non esiste una statistica mondiale univoca sui soli casi di falsificazione sonora, ma gli episodi già emersi mostrano il rischio concreto. Tra gli esempi figura la truffa ai danni di un dirigente di Fideuram, oltre ai casi che coinvolgono personaggi famosi e nei quali voce o immagine vengono alterate per ingannare il pubblico.

Tre secondi cambiano il rischio

Gli strumenti disponibili possono partire da un frammento parlato di appena tre-cinque secondi. Con una spesa di circa 30 dollari è possibile produrre un falso audio, mentre per un video manipolato ne servono 50: secondo un’analisi di Kaspersky del settembre 2025, cifre del genere sono circa 400 volte inferiori a quelle necessarie pochi anni fa.

Programmi a basso costo sono stati individuati anche nella rete oscura. Nel quadro complessivo degli attacchi analizzati da IdentifAI, i video rappresentano il 45,6%, i contenuti ottenuti combinando più mezzi il 25,2%, le immagini il 17,4% e la clonazione vocale il 10,5%.

Politica e frodi tra gli obiettivi

Le motivazioni non sono tutte uguali. Il 24,6% delle manipolazioni esaminate ha una finalità politica, il 20,1% è legato a frodi, l’11,3% alla pornografia, il 9,3% alle celebrità e il 3,2% alla satira. Numeri che spiegano perché il problema riguardi sia la sicurezza economica sia la tenuta del dibattito pubblico.

Anche il settore creativo sta cercando contromisure. Matthew McConaughey ha scelto di brevettare la propria immagine per limitarne gli impieghi non autorizzati. Cate Blanchett e George Clooney, insieme ad altre star di Hollywood, hanno invece promosso un registro pubblico gratuito attraverso il quale autorizzare, quando lo desiderano, l’uso dell’intelligenza artificiale per voce, immagine e attività creative.

Riconoscere il falso è difficile

L’Unione internazionale delle telecomunicazioni delle Nazioni Unite ha sollecitato le aziende a impiegare sistemi più avanzati per individuare e rimuovere disinformazione e contenuti manipolati. L’appello riguarda soprattutto i possibili condizionamenti delle elezioni e le frodi finanziarie, due ambiti nei quali una voce credibile può produrre conseguenze immediate.

La capacità di verifica, però, resta limitata. Dati riportati da security.org indicano che il 70% delle persone non è certo di riuscire a distinguere una voce autentica da una clonata. Anche i migliori strumenti automatici di rilevamento perdono tra il 45% e il 50% della precisione quando analizzano falsi reali, rispetto ai risultati ottenuti in laboratorio.

La tecnologia non ha soltanto un lato criminale: può aiutare, per esempio, chi ha perso la capacità di parlare. Il caso di Val Kilmer, la cui voce è stata ricreata per il film Top Gun, mostra infatti come la stessa tecnica possa diventare uno strumento di accessibilità, oltre che una nuova frontiera per le frodi.