Voice Cloning erzeugt ein synthetisches Stimmmodell aus einer kurzen Audioprobe, aus der ein KI-Modell Tonh\u00f6he, Sprechrhythmus und Klangfarbe extrahiert und anschlie\u00dfend auf beliebigen neuen Text \u00fcbertr\u00e4gt. Nach aktuellem Stand der Technik gen\u00fcgen daf\u00fcr wenige Sekunden bis Minuten \u00f6ffentlich zug\u00e4nglicher Aufnahmen<\/strong> aus Interviews oder Social-Media-Videos, wodurch praktisch jede Person mit \u00f6ffentlichem Sprachmaterial infrage kommt. Das fertige Stimmmodell dient als Baustein innerhalb eines gr\u00f6\u00dferen Angriffs, etwa f\u00fcr einen betr\u00fcgerischen Anruf im Rahmen von CEO-Fraud. Voice Cloning und Voice Spoofing sind nicht trennscharf \u00fcber den Zweck abzugrenzen: In der Fachliteratur zu automatischer Sprecherverifikation werden auch synthetische Sprache und Voice Conversion als Spoofing-Angriffe behandelt.<\/p>\n In der Bestandsf\u00fchrung von Versicherern geh\u00f6ren telefonische Freigaben zum etablierten Arbeitsablauf, wodurch eine nachgebildete Stimme einer F\u00fchrungskraft einer Anweisung zur \u00c4nderung einer Bankverbindung oder zu einer Auszahlung eine Glaubw\u00fcrdigkeit verleiht, die ein reiner Text nicht erreicht. Ein bestehender R\u00fcckrufprozess mit einer fest hinterlegten, unabh\u00e4ngig bekannten Nummer bleibt auch gegen\u00fcber einer nachgebildeten Stimme wirksam, weil die Pr\u00fcfung nicht auf der Erkennung der Stimme selbst beruht<\/strong>, sondern auf einem zweiten, unabh\u00e4ngigen Kanal. Schulungen zum R\u00fcckruf \u00fcber diese bekannte Nummer senken das Risiko unabh\u00e4ngig davon, wie \u00fcberzeugend die geklonte Stimme klingt.<\/p>\n Voice Cloning erzeugt aus einer kurzen Aufnahme ein Stimmmodell, das anschlie\u00dfend beliebigen Text sprechen kann: Es \u00fcbernimmt Tonh\u00f6he, Sprechrhythmus und Klangfarbe, den Inhalt bestimmt der Angreifer. Das Ausgangsmaterial stammt aus Konferenzmitschnitten, Podcasts, Videos oder einer aufgezeichneten Sprachnachricht.<\/p>\n Im Angriff wird die Stimme selten allein eingesetzt. Sie st\u00fctzt einen Anruf oder eine Sprachnachricht, die eine bereits angek\u00fcndigte Anweisung best\u00e4tigt, und trifft damit auf eine Erwartung statt auf einen kalten Kontakt. Verbindungsqualit\u00e4t hilft dem Angreifer: Ein knappes Telefonat mit St\u00f6rger\u00e4uschen verdeckt die Unterschiede<\/strong>, die in einer ruhigen Aufnahme auffallen w\u00fcrden. Sprachbasierte Verfahren zur Identit\u00e4tspr\u00fcfung geraten dadurch unter Druck, weil sie genau das pr\u00fcfen, was sich nachbilden l\u00e4sst. F\u00fcr die Abwehr verschiebt sich damit der Pr\u00fcfpunkt: Nicht die Stimme entscheidet, sondern der Weg. Ein R\u00fcckruf auf einer intern hinterlegten Nummer trennt den echten Anrufer vom nachgebildeten<\/strong>, unabh\u00e4ngig von der Tonqualit\u00e4t. Damit wird aus einer technischen Frage eine organisatorische: Der Ablauf entscheidet, nicht das Geh\u00f6r des Angerufenen.<\/p>\nWie funktioniert Voice Cloning?<\/h2>\n
Voice Cloning vs. Deepfake-Video<\/h2>\n