¿Se puede detectar una mentira por la voz? Lo que dicen las pruebas

TL;DR

Una voz temblorosa, una pausa o un cambio de tono no demuestran una mentira. Puedes medir el sonido, pero explicar por qué cambió exige otra clase de información. Además, parecer creíble y decir la verdad no son el mismo resultado.

Antes de juzgar un audio, conserva la pregunta, el contexto y la afirmación concreta que se discute. Las investigaciones encuentran señales en determinadas tareas; eso no convierte cualquier grabación en una prueba de sinceridad.

Antes de ponerle una etiqueta al audio

Te mandan un fragmento de una entrevista. Alguien asegura que la respuesta está ensayada porque llega demasiado pronto. En el siguiente vídeo, una respuesta lenta sirve para sostener la misma acusación. ¿Qué tendría que pasar para que esa interpretación resultara equivocada?

Esta pregunta importa más que aprender una lista de sonidos sospechosos. Si cualquier ritmo confirma lo que ya pensamos, no estamos poniendo a prueba la explicación.

Masip y Herrero, en su revisión sobre detección de mentiras de 2015, describen los límites de buscar señales conductuales espontáneas y el interés de examinar información contextual. No aportan un detector vocal nuevo: ayudan a plantear qué evidencia falta entre observar un comportamiento y atribuirle engaño.

Para ti, la diferencia es sencilla: puedes escuchar un titubeo y todavía necesitar averiguar qué ocurrió. Revisamos estas investigaciones por última vez el 19 de octubre de 2026.

Lo que cambia en la voz y lo que tú interpretas

«Se le ha subido la voz» puede significar varias cosas. La frecuencia de vibración de los pliegues vocales, F0, se expresa en hercios y se relaciona con la altura percibida. La intensidad describe otra propiedad. Hablar más fuerte no equivale a hablar más agudo.

También hay que separar la altura media del rango de variación. Una frase puede empezar aguda y terminar grave. Dependiendo del tramo elegido, la descripción cambia sin que nadie haya cambiado la grabación.

En detectar mentiras, el salto peligroso llega cuando una medida acústica se convierte directamente en una intención. Si tú notas tensión, todavía falta distinguir una posible invención del esfuerzo de recordar, de entender la pregunta o de hablar sobre algo desagradable.

El tiempo tampoco es una sola medida. La espera desde que acaba la pregunta, un silencio dentro de la respuesta y el inicio de la sonoridad de una consonante pertenecen a intervalos diferentes. No puedes aplicar a uno una conclusión obtenida sobre otro.

La confianza también se puede predecir

Quizá no te convence el contenido, sino lo fácil que resulta escucharlo. Una respuesta fluida transmite seguridad. Eso permite estudiar qué voces inspiran confianza, aunque no permite asumir que esas voces cuentan hechos verdaderos.

Chen y sus colegas examinaron esta diferencia en 2020. En su investigación sobre voz y confianza, 431 personas valoraron 5.340 respuestas, cada una con tres juicios. El acierto humano sobre la veracidad rondó el 50%. Un modelo obtuvo un F1 del 66,1% al predecir la confianza de quienes escuchaban, una tarea distinta.

F1 combina precisión y exhaustividad; no significa simplemente «porcentaje de respuestas correctas». Pero el problema principal aquí es qué se intenta acertar. Predecir que una voz nos convencerá no demuestra que lo dicho sea cierto.

Si una negación resulta ambigua, la lingüística forense puede ayudar a precisar su significado en contexto. Para comprobar tu sospecha, necesitas saber qué se negó: recibir dinero, ordenar una transferencia o quedarse con él. La seguridad de la voz no resuelve esas diferencias.

Una prueba de campo con dos clases de error

Un informe del Instituto Nacional de Justicia estadounidense de 2008 describió una evaluación con 319 hombres recién detenidos. Se compararon respuestas sobre consumo de drogas con análisis de orina. Dos sistemas de estrés vocal detectaron, en promedio, alrededor del 15% de las respuestas consideradas engañosas; entre las consideradas verdaderas, hubo aproximadamente un 8,5% de falsas alarmas.

Son dos grupos de respuestas, no dos formas de expresar la exactitud total. Una herramienta puede dejar pasar muchas mentiras y marcar pocas respuestas verdaderas. El criterio de referencia también tenía límites, porque los periodos de detección de sustancias debían corresponderse con los periodos preguntados.

No es una evaluación de todos los programas actuales. Es un ejemplo histórico de por qué medir supuesto estrés y distinguir respuestas verdaderas de falsas requieren pruebas separadas. Una gráfica llamativa no sustituye la segunda.

Responder antes tampoco resuelve el problema

La idea de que inventar siempre tarda más resulta atractiva. Sin embargo, una negativa preparada puede ser breve y un recuerdo real puede necesitar tiempo.

En el experimento de Mapala, Warmelink y Linkenauger de 2017 participaron inicialmente 40 estudiantes en una tarea de control de equipaje virtual. Dentro del grupo al que se pidió mentir, las respuestas falsas empezaron, en promedio, a los 0,84 segundos; las respuestas verdaderas de control, a los 0,95. La diferencia entre esas medias redondeadas es de 0,11 segundos.

No significa que todas las personas que mienten contesten antes que todas las que dicen la verdad. La comparación entre grupos no estableció una diferencia estadística concluyente. Tampoco se interrogó a viajeros reales ante una investigación real.

El resultado sirve para cuestionar la regla simple. La preparación y la dificultad del contenido cambian lo que comparas. Si un comentario convierte tanto la rapidez como la lentitud en confirmación, pide una predicción que pueda fallar.

Qué significa que suba el tono

Un cambio de altura puede existir de verdad y seguir teniendo una causa incierta. Además, una diferencia entre medias de grupos no proporciona por sí sola un umbral para clasificar a una persona.

El metaanálisis de Sporer y Schwandt de 2006 consideró nueve conductas paraverbales. Su resumen informa de dos asociaciones fiables al ponderar por tamaño de muestra y cuatro sin esa ponderación. Los efectos eran pequeños y heterogéneos, con diferencias entre condiciones. Esa descripción no respalda una señal universal.

Un estudio ruso de Agafonova y Kulygina de 2023 permite ver el problema de la medida. En entrevistas preparadas, la frecuencia media fue de 177,1 Hz en habla verdadera y 169,9 en habla no sincera. Al inicio del enunciado, la dirección se invertía: 169 frente a 172,3 Hz. El ritmo medio coincidió en 4,2 sílabas por segundo.

Era un trabajo pequeño, con ocho participantes en las entrevistas y siete en un contexto separado de juego de Mafia. No estableció una exactitud independiente para clasificar nuevas personas. Su utilidad aquí es mostrar que «subió el tono» necesita especificar dónde y cómo se midió.

Una cifra prometedora no es una garantía

La conclusión tampoco debería ser que la voz carece de información. En 2024, Xiu y sus colegas describieron un experimento de delito simulado con 62 participantes. El resumen informa de un área bajo la curva ROC de 0,888 para el tiempo de inicio de la sonoridad.

Esa cifra no equivale al 88,8% de aciertos. Resume la separación entre clases a lo largo de distintos umbrales. Para decidir cómo se usaría el sistema, todavía necesitas saber cuántas falsas alarmas produce el umbral concreto y cómo funciona con personas nuevas.

En 2026, Capra, Gomies y Zhang estudiaron el programa Golden Balls y el corpus Real-life Trial. Su resumen publicado informa de resultados favorables para modelos de voz y de transferencia limitada entre contextos. Hay una señal interesante y una limitación importante al mismo tiempo.

Por eso no basta con anunciar que una tecnología «ya funciona en los tribunales». Importa cómo se etiquetó cada frase. El resultado de un proceso no establece automáticamente la verdad de todos los enunciados pronunciados en él.

El mensaje sobre una transferencia

Imagina una situación ficticia. Una persona dice en un audio: «Sí, lo envié… ayer por la tarde». La pausa se interpreta como el momento en que inventó la fecha de una transferencia. Después aparece un justificante.

Antes de dar la discusión por terminada, hay que precisar qué acredita ese documento. Una orden de transferencia, su ejecución y el abono al destinatario pueden ser hechos distintos. El documento puede apoyar una parte del relato sin resolverlo entero.

Con el audio sucede algo parecido. La pausa existe, pero no permite elegir entre buscar una fecha en la memoria, corregir una formulación o inventar. Si el registro bancario confirma el horario, el silencio no desaparece. Lo que pierde apoyo es la acusación construida sobre él.

Esta comprobación también puede revelar una contradicción real. Lo importante es que admita ambos resultados. No hace falta publicar datos bancarios ni difundir conversaciones privadas para entender la diferencia entre un sonido y un hecho.

La grabación completa importa más que la repetición

Repetir veinte veces la misma pausa no añade veinte observaciones independientes. Puede reforzar tu impresión, pero sigues escuchando el mismo fragmento y quizá el mismo corte.

Si se eliminó una pregunta repetida, una respuesta puede parecer inmediata. Si el vídeo empieza dentro de una frase, un silencio interno puede confundirse con una espera antes de contestar. Un recorte no demuestra manipulación malintencionada; limita lo que puedes medir.

También importan las condiciones del análisis. La documentación de Praat explica que los parámetros para estimar la altura y la región seleccionada afectan a las mediciones. Un contorno acústico necesita esos datos para que otra persona pueda interpretarlo.

Para una explicación pública, conviene conservar los límites del fragmento y distinguir claramente la cita de la interpretación. La frase «aquí guarda silencio» exige menos evidencia que «aquí está inventando». No son afirmaciones intercambiables.

Qué tendría que demostrar un sistema nuevo

La prueba debería incluir personas que no hayan aparecido en el desarrollo del modelo. Separar fragmentos de una misma voz entre entrenamiento y evaluación puede permitir reconocer a quien habla en vez de reconocer un patrón general de engaño.

También hacen falta etiquetas comprobables, un umbral fijado y resultados separados para respuestas verdaderas y falsas. Un único porcentaje puede esconder el coste de acusar a quien contestó honestamente.

El idioma, la preparación y el canal de grabación deben corresponderse con el uso prometido. Un resultado en respuestas breves en inglés no confirma el rendimiento con una conversación espontánea en español ni con un audio comprimido. Esas diferencias se investigan; no se resuelven cambiando el nombre del producto.

Superar una predicción basada en la categoría más frecuente, superar a oyentes sin formación y aportar una comprobación útil a una investigación son logros distintos. La evidencia tiene que responder al logro que se anuncia.

Escuchar mejor sin dar el caso por cerrado

Puedes fijarte en una voz sin atribuirle una certeza que no tiene. Describe el cambio, localiza su posición y conserva la pregunta que lo produjo. Después busca la afirmación que se pueda contrastar por otra vía.

Si faltan partes de la grabación, deja constancia de lo que no sabes. Si aparecen pruebas que cambian la interpretación, cambia con ellas. Una observación acústica correcta puede sobrevivir a una sospecha equivocada.

El estudio de la voz merece atención por sus posibilidades y por sus errores. Su valor dependerá de comprobar ambos, con personas nuevas y preguntas bien definidas. Para escuchar una entrevista con cuidado no necesitas convertir cada silencio en una confesión.