Мошенники клонируют голос по 3 секундам записи: как проверить, что звонит именно ваш ребёнок

Звонит номер ребёнка, в трубке его голос, дрожащий, просит денег на срочную беду. Вы узнаёте эту интонацию сразу, слышали её тысячу раз. Но с приходом звонков мошенников на базе нейросетей узнать голос и убедиться, что говорит именно ваш человек, - теперь два разных навыка. Хватает трёх секунд чистой записи, чтобы собрать клон с точностью узнавания 85 процентов. Дальше разбираю, как звонок всё-таки проверить, если на слух отличить подделку почти невозможно.

Дальше по порядку: как нейросеть ловит чужой голос за несколько секунд, сколько таких звонков уже идёт по России, почему схема бьёт именно по семье, а не по банковским картам, какие признаки на слух выдают подделку и что взять на вооружение уже сегодня - последний пункт и станет ответом на вопрос про слух и доказательства.

Клонирование голоса - это когда программа анализирует запись речи человека и синтезирует новую фразу его же тембром и манерой. По замерам McAfee Labs, тестировавшей больше десятка бесплатных сервисов клонирования, для этого достаточно 3-4 секунд чистой речи. Точность совпадения с оригиналом - около 85 процентов. Если модель дополнительно обучить на нескольких аудиофайлах, точность вырастает до 95 процентов.

Источником для клона может стать что угодно: публичное видео, голосовое сообщение в мессенджере или даже запись самого первого звонка мошенника, когда он представляется службой доставки или банком и просто тянет время, чтобы вы что-то сказали. При этом 53 процента взрослых делятся записью своего голоса в сети минимум раз в неделю - сторис, войсы, комментарии к видео. Это готовая база данных для клонирования, о которой обычно никто не задумывается.

Кстати, если тема интересна - в Telegram-канале пишу о подобном регулярно: инструменты, лайфхаки, конкретные сценарии использования нейросетей в жизни и бизнесе. Там проще задать вопрос и не ждать следующей статьи.

"МегаФон" на форуме операторов связи "Телеком 2026" сообщил, что звонки с синтезированным или клонированным голосом занимают 10 процентов от всего мошеннического трафика на сети - данные на апрель 2026 года. Для сравнения, в 2025 году оператор заблокировал больше 865 миллионов мошеннических звонков в принципе, и каждый десятый из новой волны уже подделка, а не человек.

МВД России в июне 2026 года отчиталось: с начала года около 4000 человек пострадали от мошенничества с дипфейк-аватарами - подделкой не только голоса, но и внешности в видеозвонке. Дипфейк - синтезированное аудио или видео, которое звучит и выглядит как настоящий человек, хотя им не является. Сервисов для таких подделок в сети уже больше 150 тысяч.

Опрос McAfee среди 7000 человек в девяти странах показал: каждый четвёртый сам сталкивался с голосовым обманом через нейросеть или знает пострадавшего. При этом 70 процентов не уверены, что смогут на слух отличить клонированный голос от настоящего. Из тех, кто получил поддельное голосовое сообщение, 77 процентов в итоге потеряли деньги: 36 процентов - от 500 до 3000 долларов, 7 процентов - от 5000 до 15000 долларов.

Схема целится именно в семью не случайно. 45 процентов опрошенных ответили бы на голосовое сообщение "от близкого", особенно если оно якобы от партнёра, матери или ребёнка. Чаще всего в поддельных сообщениях фигурируют авария, ограбление, проблема за границей или потерянный кошелёк - сюжеты, где решение нужно принять за минуту, не раздумывая.

Голос сам по себе больше не улика, но у синтезированной речи всё равно остаются швы. Разница между настоящим разговором и клоном обычно заметна в деталях, а не в тембре.

Настоящий разговор обычно отличается естественным темпом и паузами: человек может делать остановки, сбиваться, менять интонацию в зависимости от эмоций и отвечать на уточняющие вопросы по существу, иногда даже переспрашивая. Во время видеозвонка губы, как правило, синхронны с речью, а мимика и моргание выглядят естественно. Также в нормальном разговоре человек спокойно относится к просьбе сделать паузу, перезвонить или проверить информацию другим способом.

Признаки подделки чаще всего проявляются в неестественности общения: речь может быть слишком ровной, с необычно длинными паузами или без эмоциональной окраски. Собеседник может уходить от конкретных вопросов, повторять одни и те же фразы, а при видеозвонке могут быть заметны рассинхронизация губ и неестественное моргание. Главный признак мошеннического разговора — давление и создание паники: собеседник требует срочно действовать, не класть трубку и не звонить другим людям, чтобы лишить вас возможности проверить информацию.

Мошенникам не нужно ничего взламывать - чаще всего человек сам создаёт им условия. Первая ошибка: выкладывать длинные чистые записи своего голоса без задней мысли, хотя именно они и становятся сырьём для клона. Вторая: отвечать на срочную просьбу о деньгах, не уточнив по другому каналу, кто на самом деле звонит.

Третья ошибка - отсутствие кодового слова в семье, которое мошенник физически не может знать. Четвёртая, самая частая: поддаться на "не клади трубку, никому не говори". По данным McAfee за январь 2026 года, типичная афера от первого контакта до потери денег занимает около 38 минут - у жертвы просто нет времени опомниться, если она не тормозит разговор сама.

Защита строится ровно на исправлении этих ошибок: кодовое слово для экстренных ситуаций, которое не хранится в общих чатах, обратный звонок по уже известному номеру вместо ответа на входящий, и меньше длинных чистых записей голоса на публику.

Прочитать про клонирование голоса и быть готовым к звонку - разные вещи. Пригодится это в двух ситуациях: ребёнок учится в другом городе и часто просит перевести деньги, или пожилые родители легко соглашаются на просьбу "не говорить никому". В обоих случаях спасает одна привычка - кодовое слово и обязательный обратный звонок перед переводом.

Это конкретный навык, а не абстрактная цифровая грамотность: за один разговор с семьёй согласовать слово, которое мошенник не узнает даже с идеальным клоном голоса.

Голос перестал быть доказательством, но это не значит, что вы беззащитны - просто доказательство теперь не в ухе, а в процедуре. Кодовое слово и обратный звонок по своему номеру занимают меньше времени, чем сам мошеннический разговор. Технология клонирования не станет проще для мошенников, но и правило "положить трубку и перезвонить самому" сложнее не станет.

Если хочется не просто читать про AI, а реально его применять, у меня есть несколько мест, где это можно делать вместе.

Начать стоит с Telegram-канала. Это наш основной ресурс, где разбираем новые инструменты, кейсы автоматизации и приёмы, которые можно применить уже завтра.