Clonagem de voz: como golpistas imitam parentes com IA e por que uma palavra-código em família ajuda

Um empresário de Campo Grande (MS) queria comprar um carro anunciado em Ponta Porã, no interior do estado. Para não viajar à toa, pediu ao irmão, que mora na cidade, que fosse ver o veículo de perto. Pouco depois veio o retorno, com a voz do irmão, dizendo que já tinha visto o carro. Ele transferiu cerca de R$ 28 mil por Pix. Não era o irmão.

“Entraram em contato comigo como se fosse o meu irmão, falando que já viu o carro”, contou a vítima em reportagem do g1 publicada em 19 de setembro de 2026. Segundo o relato, os criminosos usaram inteligência artificial para imitar a voz do familiar e bloquearam o contato assim que o dinheiro caiu.

A mesma reportagem traz um segundo caso no estado, com final diferente. A mãe de uma estudante de medicina recebeu mensagens e áudios com a voz da filha, dizendo que estava na oficina de confiança da família, que o carro tinha sido vistoriado e que o pagamento podia ser feito. Antes de transferir, a mãe conferiu diretamente com a filha. Era mentira, e o golpe parou ali.

A diferença entre perder R$ 28 mil e não perder nada foi uma conferência direta com a pessoa certa. É esse o ponto central deste artigo: a clonagem de voz tornou a voz de um parente uma prova fraca de identidade, e a defesa mais confiável não é ter um ouvido treinado, e sim um combinado simples dentro de casa. O receio já é geral. Em pesquisa da Mastercard feita pelo instituto The Harris Poll com 1.006 brasileiros, 89% disseram se preocupar com o uso de voz clonada em golpes.

O que é clonagem de voz e por que ficou tão fácil

Clonagem de voz é o uso de inteligência artificial para gerar falas novas com o timbre, o ritmo e o sotaque de uma pessoa real. O sistema analisa gravações dessa pessoa, aprende as características da voz e passa a “ler” qualquer texto como se fosse ela. É um tipo de deepfake, só que de áudio.

A tecnologia tem usos legítimos: dublagem, audiolivros, atendimento automatizado, recuperação da fala de quem perdeu a voz por doença. O problema é que o custo de entrada despencou. Em testes de laboratório divulgados em 2023, pesquisadores da McAfee relataram que três segundos de áudio bastaram para produzir um clone com 85% de semelhança com a voz original, e que mais material melhorava o resultado.

Também não há muita barreira para quem age de má-fé. Em março de 2025, a organização americana Consumer Reports avaliou seis serviços populares de clonagem de voz e concluiu que, em quatro deles, a única exigência era marcar uma caixinha declarando ter autorização do dono da voz. Nenhuma verificação técnica.

A voz clonada é uma das peças dos golpes com deepfake, que também incluem vídeo e imagem. Aqui o foco é o áudio, porque é ele que chega pelo canal mais íntimo: a ligação ou a mensagem de alguém da família.

De onde os golpistas tiram a sua voz

A matéria-prima quase sempre é pública ou foi compartilhada sem muita cerimônia:

• Vídeos em redes sociais. Stories, reels, lives e vídeos de aniversário com o áudio original.
• Áudios de WhatsApp. Mensagens de voz encaminhadas em grupos ou guardadas em uma conta que foi invadida. Entender como hackers roubam contas ajuda a fechar essa porta.
• Conteúdo profissional. Entrevistas, podcasts, aulas gravadas e apresentações.
• Ligações telefônicas. Chamadas em que a vítima fala por alguns segundos com um desconhecido.

“As pessoas publicam diariamente fotos da família, do carro, da casa, de viagens e vídeos falando para a câmera. Em muitos casos, esse material pode ser utilizado por criminosos para construir uma história altamente convincente”, disse Willard Ribeiro, pesquisador de IA forense, ao Diário de Goiás.

E a tal “ligação muda”?

Polícias e Procons têm alertado para chamadas em que ninguém fala do outro lado. Em maio de 2026, o delegado Felipe Dias, coordenador do laboratório de inteligência cibernética da Polícia Civil da Bahia, explicou ao jornal A Tarde que criminosos capturam a voz no momento em que a pessoa diz “alô” e desligam.

Vale uma ponderação. Os testes citados acima falam em alguns segundos de fala contínua, e um “alô” isolado é pouco material para um clone convincente. O cuidado continua válido e não custa nada: ao atender um número desconhecido, espere o outro lado falar primeiro. Só não é o caso de tratar isso como a principal ameaça. A fonte mais farta costuma ser o que nós mesmos publicamos.

Como o golpe da voz clonada acontece na prática

O áudio falso raramente vem sozinho. Ele entra como reforço de uma história montada antes, e essa história costuma seguir um de três roteiros.

O parente em apuros

É a versão mais conhecida. A vítima recebe um áudio ou uma ligação com a voz de um filho, neto ou irmão relatando uma emergência: acidente, celular roubado, conta bloqueada, problema com a polícia. O pedido é dinheiro imediato, quase sempre por Pix, para a conta de um terceiro. É a evolução do falso familiar que aparece entre os golpes mais comuns no WhatsApp, agora com som.

A “confirmação” no meio de um negócio

Foi o que aconteceu em Mato Grosso do Sul. Aqui não há emergência: a voz conhecida aparece para dar o aval que faltava em uma compra, um aluguel ou um empréstimo. Funciona porque a vítima já estava esperando aquele retorno.

A voz de quem tem autoridade

O mesmo recurso serve para imitar um chefe pedindo um pagamento urgente ou um profissional de confiança. No golpe do falso advogado, por exemplo, a polícia já identificou uma quadrilha que usava inteligência artificial para reproduzir vozes e cobrar taxas de clientes com processos na Justiça.

Nos três roteiros, o padrão se repete: urgência, dinheiro e um motivo para não conferir (“não posso falar agora”, “meu celular quebrou”, “não conta para ninguém”). A voz só está ali para desligar a desconfiança.

Dá para reconhecer uma voz falsa pelo ouvido?

A resposta honesta é: não com segurança. Em estudo publicado em 2025 na revista científica PLOS One, pesquisadores liderados por Nadine Lavan, da Queen Mary University of London, apresentaram a voluntários 80 gravações, metade humanas e metade sintéticas. Os clones foram julgados como “voz humana” em 58% das vezes; as vozes reais, em 62%. Na prática, os ouvintes não conseguiram separar umas das outras. Os clones foram feitos com um programa comercial e poucos minutos de gravação de cada pessoa.

Alguns sinais ainda aparecem, principalmente em áudios feitos às pressas:

• entonação plana, sem a emoção que a situação pediria;
• ausência de respiração, risadas ou hesitações naturais;
• pausas em lugares estranhos e palavras “emendadas”;
• áudios curtos, enviados em sequência, sem conversa ao vivo;
• recusa em atender uma chamada de vídeo ou em responder a uma pergunta simples.

Trate esses sinais como alerta, não como teste. Um clone bem feito pode não ter nenhum deles, e uma ligação verdadeira com sinal ruim pode ter vários. Além disso, quem recebe a notícia de que o filho sofreu um acidente não está analisando respiração; está tentando ajudar. Por isso a proteção precisa funcionar mesmo quando o ouvido falha.

Palavra-código em família: como combinar e como usar

A ideia é antiga e simples: uma palavra ou frase que só as pessoas da casa conhecem e que deve ser dita sempre que alguém pedir dinheiro ou ajuda urgente por telefone ou áudio. Sem a palavra, não há transferência.

O FBI incluiu a medida em um alerta público de dezembro de 2024 sobre fraudes com IA generativa: “Crie uma palavra ou frase secreta com a sua família para verificar a identidade”. Para Willard Ribeiro, “uma simples senha combinada entre familiares pode interromper o golpe antes que o prejuízo aconteça”.

Para funcionar, o combinado precisa de alguns cuidados:

1. Combinem pessoalmente. Nada de mandar a palavra por WhatsApp, e-mail ou anotar na descrição de um contato. Se a conta for invadida, o segredo vai junto.
2. Fujam do óbvio. Nome do cachorro, time do coração, data de aniversário e apelidos que aparecem nas redes sociais não servem. Prefiram algo sem relação com a vida pública da família.
3. Incluam todo mundo. Avós e adolescentes são alvos frequentes. A palavra precisa ser fácil de lembrar para quem tem 15 e para quem tem 80 anos.
4. Definam a regra de uso. Pedido de dinheiro por voz, sem a palavra, significa desligar e ligar de volta para o número que já está salvo na agenda.
5. Não deem pistas. Quem pede a palavra não ajuda (“começa com M…”). Quem não sabe, não é da família.
6. Troquem se vazar. Se a palavra foi dita em público ou escrita em algum lugar, combinem outra.

A palavra-código tem limites. Ela não protege quem esquece de usá-la, e perde o valor se for compartilhada por escrito. Por isso ela complementa, e não substitui, a regra que a Comissão Federal de Comércio dos Estados Unidos (FTC) resume em uma frase: não confie na voz; ligue para a pessoa em um número que você sabe que é dela.

Caí no golpe da voz clonada: o que fazer

Os primeiros minutos contam mais do que qualquer outra coisa.

• Avise o banco imediatamente. Pelo aplicativo ou pela central, conteste o Pix e peça a abertura do Mecanismo Especial de Devolução. Não há garantia de reaver o valor, mas a rapidez aumenta a chance de bloqueio. Explicamos o funcionamento em MED 2.0: como o Banco Central rastreia dinheiro de golpes do Pix.
• Guarde os áudios. Não apague a conversa. Salve as mensagens de voz, o número usado, os comprovantes e os dados da conta de destino. O guia de prova digital mostra como preservar esse material.
• Registre boletim de ocorrência. Pode ser feito pela delegacia on-line do seu estado. Leve o número do protocolo ao banco.
• Avise a família e os contatos. Se a sua voz foi usada, outras pessoas próximas podem ser as próximas a receber o áudio.
• Denuncie o número no próprio aplicativo de mensagens.

Do ponto de vista legal, não existe um crime específico de “clonar voz”. O golpe é enquadrado como estelionato e, quando praticado por meios eletrônicos, como fraude eletrônica, com pena de quatro a oito anos de reclusão. A Lei nº 15.397, de 30 de abril de 2026, manteve essa pena, passou a citar expressamente as fraudes feitas por redes sociais e contatos telefônicos e tornou crime ceder conta bancária para movimentar dinheiro de origem criminosa. É a chamada conta laranja, para onde costuma ir o Pix da vítima.

Conclusão: a voz deixou de ser prova

Durante gerações, reconhecer a voz de alguém foi motivo suficiente para confiar. A clonagem de voz quebrou essa regra em poucos anos, e os estudos mostram que treinar o ouvido resolve pouco. O caso de Mato Grosso do Sul mostra o que resolve: das duas famílias abordadas, a que conferiu por outro caminho não perdeu um centavo.

Proteger-se, portanto, depende menos de tecnologia e mais de hábito. Uma palavra combinada no almoço de domingo e o costume de desligar e ligar de volta custam cinco minutos e funcionam até contra um clone perfeito. Vale a mesma lógica para os outros golpes digitais que circulam no Brasil: o criminoso precisa que você decida rápido e sozinho.

Fontes

• g1 Mato Grosso do Sul: golpe com voz clonada em negociações de carros (19 de setembro de 2026).
• Mastercard e The Harris Poll: pesquisa de cibersegurança com 1.006 entrevistados no Brasil (campo em setembro de 2025, divulgada em janeiro de 2026).
• McAfee, Artificial Imposters: testes de clonagem com três segundos de áudio.
• Consumer Reports: avaliação de seis serviços de clonagem de voz (março de 2025).
• Queen Mary University of London: estudo de Nadine Lavan e colegas na PLOS One (2025); números detalhados pelo The Register.
• FBI, alerta I-120324-PSA, de 3 de dezembro de 2024.
• FTC, alerta ao consumidor, de 20 de março de 2023.
• A Tarde e Diário de Goiás: declarações de Felipe Dias e Willard Ribeiro.
• Lei nº 14.155/2021 (fraude eletrônica) e Lei nº 15.397, de 30 de abril de 2026.