Las voces sintéticas han alcanzado un nivel de realismo que las hace prácticamente indistinguibles de las humanas para buena parte de la audiencia. Sin embargo, su aceptación en los medios de comunicación dependerá menos de su calidad técnica que de cómo se utilicen y de la transparencia con la que se presenten. Esa es la principal conclusión de un estudio elaborado por Crowd React Media, que analizó la reacción de 1.326 oyentes habituales de radio de entre 18 y 45 años en Estados Unidos.
La investigación aporta datos a un debate que hasta ahora, según sus autores, había estado dominado por opiniones y temores más que por evidencias empíricas. Para ello diseñó un experimento de escucha ciega en el que los participantes escuchaban dos cuñas radiofónicas —una promoción de una emisora y un recordatorio del Día de la Madre— narradas indistintamente por un locutor profesional o por una voz generada mediante inteligencia artificial. Ninguno de los participantes sabía qué versión estaba escuchando.
La IA supera la prueba de escucha ciega
Los resultados muestran que los oyentes apenas fueron capaces de identificar correctamente si la voz pertenecía a una persona o había sido generada por IA. Las diferencias entre ambos grupos fueron mínimas y no alcanzaron significación estadística, lo que llevó a los investigadores a concluir que la tecnología supera la prueba de escucha ciega.
La similitud no se limitó a la identificación. Tanto las voces humanas como las sintéticas obtuvieron puntuaciones prácticamente idénticas en atributos como profesionalidad, autenticidad, credibilidad, energía o simpatía. Tampoco hubo diferencias relevantes en la valoración general de las piezas: en una de las promociones, la versión generada por IA incluso obtuvo una aceptación ligeramente superior (61%) a la humana (60%), aunque la diferencia tampoco fue estadísticamente significativa.
Para los autores del estudio, estos resultados indican que la calidad sonora ha dejado de ser el principal obstáculo para la utilización de voces sintéticas en la producción radiofónica.
El humor sigue siendo territorio humano
La única diferencia consistente apareció en un aspecto muy concreto: el humor.
En la promoción construida alrededor de un juego de palabras, el 33% de los participantes consideró divertida la interpretación humana, frente al 26% que otorgó esa valoración a la voz generada por IA. Fue la única diferencia estadísticamente significativa detectada en todas las pruebas realizadas.
Según el estudio, el ritmo, la entonación y la naturalidad con la que un locutor interpreta un remate humorístico siguen siendo difíciles de reproducir para los sistemas actuales de generación de voz.
Todo cambia cuando los oyentes conocen el origen de la voz
La parte más reveladora del estudio llegó después de la escucha.
Una vez evaluadas las grabaciones, los investigadores informaron a cada participante sobre si la voz que había escuchado era humana o generada mediante inteligencia artificial. A continuación les preguntaron si esa información modificaba su percepción.
Los cambios fueron notables.
Entre quienes descubrieron que habían escuchado a un locutor humano, el 48% afirmó que su valoración mejoraba, mientras que solo un 4% dijo que empeoraba.
En cambio, entre quienes supieron que la voz procedía de un sistema de IA, un 20% aseguró que su opinión había empeorado y únicamente un 25% indicó que había mejorado. La diferencia entre ambos grupos fue estadísticamente significativa.
El rendimiento de las voces no había cambiado. Lo que cambió fue la percepción de los oyentes una vez conocido su origen.
La confianza pesa más que la calidad
El estudio también analizó la actitud general hacia las voces sintéticas.
El 44% de los encuestados manifestó tener una opinión positiva sobre el uso de voces generadas por IA en publicidad y medios de comunicación, frente al 26% que expresó una opinión negativa y un 30% que se declaró neutral.
Sin embargo, cuando la pregunta se centró específicamente en las emisoras de radio, las reservas aumentaron. Un tercio de los participantes aseguró que tendría una peor opinión de una emisora que utilizara voces generadas por IA, mientras que solo el 21% afirmó que la valoraría mejor y cerca de la mitad dijo que esa circunstancia no modificaría su percepción.
Para los investigadores, estos resultados apuntan a un riesgo asimétrico: revelar el uso de voces sintéticas genera más probabilidades de deteriorar la imagen de una emisora que de mejorarla.
Los oyentes diferencian entre herramienta y sustitución
Las respuestas abiertas permiten entender mejor ese cambio de percepción.
Quienes valoraron negativamente el uso de voces generadas por IA apenas criticaron su calidad sonora. Sus preocupaciones se concentraron en tres cuestiones: la sensación de engaño, el impacto sobre el empleo y la pérdida del componente humano que tradicionalmente caracteriza a la radio.
Algunos participantes afirmaron que utilizar voces sintéticas hacía que la emisora pareciera «barata e impersonal» o que sentían que se estaba engañando deliberadamente a la audiencia.
No obstante, también aparecieron opiniones favorables. Algunos encuestados destacaron que la calidad alcanzada por la tecnología les parecía sorprendente y la consideraron una muestra de innovación.
Además, numerosos participantes establecieron una diferencia clara entre emplear IA como herramienta de producción y utilizarla para sustituir a presentadores o locutores. Mientras muchos aceptaban su uso para promociones, avisos o anuncios breves, mostraban un mayor rechazo cuando la inteligencia artificial reemplazaba la voz de las personalidades de la emisora.
Transparencia antes que tecnología
A partir de estos resultados, Crowd React Media sostiene que el debate sobre las voces sintéticas en la radio ya no gira en torno a si la tecnología es capaz de sonar natural, sino a cómo afecta a la relación de confianza entre el medio y su audiencia.
Los autores consideran que la transparencia será un elemento decisivo. Si los oyentes descubren que una emisora utiliza voces generadas por IA sin haberlo comunicado claramente, el riesgo reputacional puede superar el ahorro económico derivado de sustituir a un locutor profesional.
En consecuencia, el informe plantea que las decisiones sobre incorporar voces sintéticas deberían valorar no solo los costes de producción, sino también el posible impacto sobre la credibilidad del medio, un activo que, según muestra la investigación, puede deteriorarse rápidamente cuando los oyentes sienten que no se les ha informado con claridad.
