De gekloonde stem aan de telefoon: hoe u deze niet zult herkennen

Op een vrijdagmiddag in juli ging de telefoon bij een 80-jarige vrouw in Kühlungsborn aan de Duitse Oostzeekust. De beller beweerde een arts te zijn: haar kleindochter had een ernstig ongeval veroorzaakt, er was iemand omgekomen en er was 30.000 euro aan borgsom nodig, anders zou zij de gevangenis in gaan. Vervolgens nam een vrouw het gesprek over, die zich voorstelde als de dochter van het slachtoffer. De politie van Rostock schreef in haar verklaring van 27 juli, vertaald uit het Duits: „Haar stem leek zo sterk op die van haar echte dochter dat de 80-jarige het verhaal aanvankelijk geloofde.” De gepensioneerde ging het geld halen. Op weg naar Rostock kwam zij haar echte kleinzoon tegen, vertelde hem erover en hij belde de politie. Het bleef bij een poging.

Of er sprake was van een gekloonde stem, weet niemand. De politie zegt daar niets over en niemand heeft dat gecontroleerd. Dat is precies waar het probleem begint waar dit artikel over gaat.

Want wat elke adviesrubriek al jaren belooft, is een antwoord op de vraag „hoe had zij dat kunnen weten?“. Daartoe doen zes signalen de ronde. Ze klinken aannemelijk, ze zijn alomtegenwoordig, en de meeste ervan kloppen niet meer.

De zes signalen, één voor één onder de loep genomen

De bron van de lijst is de deepfake-pagina die is gepubliceerd door het BSI, het Duitse Federale Bureau voor Informatiebeveiliging. Het is de tekst waaruit iedereen sindsdien heeft overgenomen.

De pagina verraadt haar eigen leeftijd. In het gedeelte over tegenmaatregelen wordt nog steeds verwezen naar de „ontwerpverordening inzake AI-systemen“ van de Europese Commissie, die etikettering zou voorschrijven. Dat ontwerp is al lang geleden wet geworden. De AI-wet is op 1 augustus 2024 in werking getreden en de daarin opgenomen transparantieverplichtingen zijn sinds 2 augustus 2026 van kracht.

Twee zaken vallen op. Ten eerste komen twee van de meest genoemde kenmerken helemaal niet voor op de BSI-pagina. Noch „geen achtergrondgeluid”, noch „geen ademhalingsgeluiden” staat daar vermeld. Deze zijn door herhaling ontstaan, zonder dat ze ooit door een autoriteit of onderzoek zijn getoetst.

Ten tweede is van de vier overgebleven kenmerken het metaalachtige geluid het bekendste en tegelijkertijd het zwakste.

Waarom de vertraging verdween

De BSI noemt „merkbare vertraging“ als symptoom en geeft hiervoor een technische verklaring: een systeem moet een deel van de inhoud ontvangen voordat het deze kan omzetten. Dat was vroeger zo. Nu is dat niet meer het geval.

Om te begrijpen waarom, moeten twee ontwerpen van elkaar worden onderscheiden, die in de omgangstaal beide „AI-stem“ worden genoemd.

Bij tekst-naar-spraak, of TTS, typt iemand tekst en spreekt het systeem deze uit. Bij stemconversie, of VC, spreekt een mens en verandert het systeem alleen de klankkleur. Intonatie, emotie, ademhaling en het vermogen om een vraag te beantwoorden zijn allemaal afkomstig van een echt persoon.

Voor een telefoongesprek waarin het slachtoffer vragen stelt en huilt, is alleen het tweede ontwerp bruikbaar. En dat werkt in realtime. Uit een meting door het bedrijf Koe AI op een gewone desktop-CPU zonder grafische kaart blijkt dat de LLVC-methode een latentie van 19,7 milliseconden heeft, QuickVC 97,6 en RVC 189,8. Een gewone mobiele verbinding heeft een latentie van 100 tot 200 milliseconden. Een conversielaag van 20 milliseconden verdwijnt in de verbinding voordat iemand deze zou kunnen horen.

Dan blijft de vraag naar het bronmateriaal over. „Drie seconden zijn voldoende“ is de uitspraak die hier overal aan wordt gekoppeld. Deze is afkomstig van twee bronnen die door elkaar worden gehaald. De serieuze bron is VALL-E, een systeem van Microsoft Research uit januari 2023 dat synthese uitvoert op basis van een monster van drie seconden, hoewel gemeten op zuivere audioboek- en studio-opnames. De meer populaire bron is een cijfer uit een onderzoek van mei 2023 door de beveiligingssoftwareleverancier McAfee, waarvan de methodologie nooit is gepubliceerd.

Wat huidig onderzoek meet met betrekking tot spontane alledaagse spraak, ziet er nuchterder uit. Uit een onderzoek uit 2026 van het Barcelona Supercomputing Center blijkt dat de gelijkenis met de spreker bij het F5-TTS-systeem met ongeveer 31 procent afneemt wanneer het referentiemateriaal wordt ingekort van 7,7 naar 5,5 seconden. Bij StyleTTS2 wordt de uitvoer bovendien gedeeltelijk onverstaanbaar.

Het eerlijke onderscheid is dus als volgt. Enkele seconden volstaan voor „herkenbaar vergelijkbaar“. Voor „houdt stand gedurende een volledig telefoongesprek“ is meer nodig; op basis van de huidige gegevens zo’n tien tot zestig seconden aan heldere, aaneengesloten spraak. Het Londense onderzoek, waarbij de klonen werkelijk niet van echte stemmen te onderscheiden waren, gebruikte ongeveer vier minuten referentiemateriaal per stem.

Het BSI heeft dit overigens zelf geprobeerd, en dat detail is opmerkelijker dan welk cijfer dan ook. Voor een demonstratievideo kloonde het bureau de stem van zijn toenmalige voorzitter, Arne Schönbohm. Het gebruikte ongeveer tien minuten aan audio uit openbaar beschikbare video’s die, in zijn eigen woorden, „slechts van gemiddelde kwaliteit“ waren. De zin die door de nepstem wordt uitgesproken, luidt: „Ik ben niet echt, en voorlopig kunt u dat nog herkennen. Naarmate de technologie zich verder ontwikkelt, zult u dit echter heel, heel moeilijk gaan vinden.” De tweede helft van die zin vormt het onderwerp van de rest van dit artikel.

Het punt snijdt de andere kant op

In mei 2026 publiceerden Nicolas M. Müller en Wei Herng Choong van het Fraunhofer-instituut voor Toegepaste en Geïntegreerde Beveiliging het tot nu toe grootste luisteronderzoek over dit onderwerp. 1.768 deelnemers, 35.532 individuele beoordelingen, 138 spraaksynthesesystemen, direct vergelijkbaar met een basisonderzoek uit 2021.

Het verwachte resultaat zou zijn dat mensen slechter zijn geworden in het herkennen van vervalsingen. Dat is niet het resultaat.

Wat vervalsingen betreft, is de nauwkeurigheid vrijwel onveranderd gebleven: 71,2 procent tegenover 72,9 procent. Wat wel is ingestort, is de andere kant. Bij echte opnames daalde de nauwkeurigheid van 72,7 naar 64,1 procent. Mensen zijn niet slechter geworden in het herkennen van synthetische stemmen. Ze zijn slechter geworden in het geloven van echte stemmen. De auteurs noemen dit een „verschuiving in scepsis“.

Voor een telefoongesprek om half twaalf ’s nachts betekent dit iets ongemakkelijks. Iedereen die zich voorneemt de volgende keer beter te luisteren, verlegt meestal de drempel waarop hij of zij de eigen dochter wantrouwt. Het advies om goed naar het geluid te luisteren maakt de situatie meetbaar slechter, niet beter.

Een tweede bevinding uit hetzelfde onderzoek maakt de lijst compleet. Het moeilijkst te herkennen waren niet de exotische onderzoekssystemen, maar de commerciële diensten en de op taalmodellen gebaseerde systemen, met percentages tussen 61,3 en 65,9 procent. Het gemakkelijkst te herkennen waren de oudere, technisch eenvoudigere methoden, met een score van 75,4 tot 76,8 procent. Wat iedereen met een creditcard kan boeken, klinkt het meest echt.

Een artikel van de Queen Mary University of London, gepubliceerd in PLOS ONE in september 2025, komt tot dezelfde conclusie. Stemklonen werden daar in 58 procent van de gevallen als menselijk beoordeeld, echte stemmen in dezelfde opstelling in 62 procent. De onderzoekers benadrukken uitdrukkelijk dat klonen echte stemmen niet overtreffen. Hun artikel is getiteld „Stemklonen klinken realistisch, maar (nog) niet hyperrealistisch”. Ze klinken niet echter dan echte stemmen. Ze klinken precies even echt, en dat is volkomen voldoende.

Een geautomatiseerde detector in het Fraunhofer-onderzoek bleef onder alle omstandigheden boven de 94,5 procent. Machines horen nog steeds het verschil. Mensen niet.

Wat de Duitse cijfers wel en niet laten zien

Op 6 augustus heeft het Duitse Federale Bureau voor Criminele Politie op verzoek van persbureau dpa cijfers uit de politiecriminaliteitsstatistieken van 2025 bekendgemaakt. De bevindingen gaan in twee richtingen. Voor „grootouder- en schoktelefoontjes“ daalde het aantal gevallen van 6.658 naar 4.798, maar de schade steeg desondanks. Bij oplichting door valse politieagenten stegen beide cijfers, waarbij de schade met twee derde toenam. Dit wijst op minder, maar gerichtere misdrijven met hogere individuele bedragen.

En nu de cruciale zin: in de misdaadstatistieken wordt niet bijgehouden of er sprake was van AI. Voor Duitsland bestaat er geen enkel betrouwbaar cijfer over het aantal schoktelefoontjes dat met een gekloonde stem is gepleegd. Wie er een noemt, heeft dit niet zelf gemeten.

Dat weerhoudt dergelijke cijfers er echter niet van om de ronde te doen. Het meest geciteerde cijfer, een totaal verlies van 10,6 miljard euro, is afkomstig uit een enquête onder 2.000 consumenten door de Global Anti-Scam Alliance uit juni 2025 en heeft betrekking op alle vormen van fraude, niet op AI-fraude. Gaandeweg is dit uitgegroeid tot een schatting van het Bundeskriminalamt (BKA) en Europol, die geen van beide instanties ooit heeft verstrekt. Hetzelfde geldt voor de vermeende half miljoen frauduleuze telefoontjes die het Bundesnetzagentur in januari 2026 zou hebben geregistreerd. Dat cijfer is afkomstig van een app voor nummerherkenning en is gebaseerd op meldingen van de eigen gebruikersgroep.

Wat de autoriteiten daadwerkelijk zeggen, is voorzichtiger. Het Bundeskriminalamt verklaarde tegenover dpa dat het simuleren van een overtuigende stem van een kleinkind, vertaald uit het Duits, „zelfs zonder diepgaande technische kennis mogelijk is, met behulp van algemeen toegankelijke AI-systemen“. Dat is een uitspraak over de mogelijkheid, geen casusverslag. Op de Duitse politiepagina over misdaadpreventie met betrekking tot schoktelefoontjes komen kunstmatige intelligentie en stemklonen tot op heden helemaal niet voor.

Een recent geval laat zien waarom terughoudendheid geboden is. Op 29 april 2026 meldde de politie van de Oberpfalz drie voltooide gevallen van schoktelefoontjesfraude in één middag in Regensburg en Amberg. Alle drie de gesprekken werden in het Russisch gevoerd en waren bewust gericht op Russischsprekende gepensioneerden. Iemand die vloeiend Russisch spreekt en flexibel reageert op de vragen van een 89-jarige is een mens aan de telefoon.

Wat daadwerkelijk helpt

Als luisteren niet helpt, blijft er slechts één optie over: van onderwerp veranderen. Alles wat effectief is, vloeit voort uit dat ene idee.

Hang op en bel zelf terug. De Duitse politie verwoordt het als volgt op haar preventiewebsite, vertaald uit het Duits: „Hang onmiddellijk op. Dat is niet onbeleefd, het geeft u de ruimte om op adem te komen en uw gedachten op een rijtje te zetten.” En: „Neem contact op met de beller, of met iemand die u vertrouwt, via een nummer dat u al kent.” Dat laatste is waar het om gaat. Niet de herhaaltoets, maar het nummer uit uw eigen adresboek, omdat weergegeven nummers vervalst kunnen zijn.

Een codewoord, of een vraag die alleen de echte persoon kan beantwoorden. De politie raadt aan om een „codewoord voor identificatie aan de telefoon“ af te spreken, en de politie van de Oberpfalz voegt daaraan toe dat dit gemakkelijk te onthouden en moeilijk te raden moet zijn. Op haar pagina over de „grootouderzwendel“ beveelt dezelfde instantie de robuustere variant aan: „Vraag de beller naar zaken die alleen het echte familielid of de echte kennis zou kunnen weten.“ Een codewoord kan onder schok worden vergeten. De bijnaam van de hond uit 1998 kan dat niet, en geen enkel taalmodel kan deze raden, omdat die informatie nergens bestaat.

Hierbij geldt één voorbehoud. Bellers reageren op vragen met huilen, tijdsdruk en het doorverbinden naar een vermeende advocaat. Vragen alleen is niet voldoende. De volgorde moet zijn: ophangen en vervolgens terugbellen.

Wijzig uw vermelding in het telefoonboek. Dit is het meest effectieve en het minst bekende advies. Op haar pagina over de ‘grootouderzwendel’ is de Duitse politie ongewoon direct, vertaald uit het Duits: „Oplichters gebruiken telefoonboekvermeldingen om slachtoffers voor telefonische oplichting te selecteren. Oudere voornamen of korte telefoonnummers geven hen aan dat er een bejaarde achter de vermelding zit.” Wie in het telefoonboek wil blijven staan, dient zijn of haar voornaam af te korten. Op dezelfde pagina vindt u een kant-en-klaar formulier voor de telefoonprovider. Voor slachtoffers van telefonische fraude is het wijzigen van het nummer doorgaans gratis.

Geef niets af en bel 110 bij twijfel. De boodschap van de politie is korter dan welke uitleg dan ook: „Geef nooit geld of waardevolle spullen zoals sieraden aan vreemden, zelfs niet aan de politie.“ Doe aangifte, ook al bleef het bij een poging. Alleen zo kunnen patronen worden ontdekt.

De nieuwe etiketteringsplicht biedt hier geen uitkomst

De transparantieverplichtingen van de AI-wet zijn sinds 2 augustus 2026 van kracht. Op 5 augustus vatte het Beierse consumentenadviescentrum samen wat dit inhoudt en noemde daarbij specifiek dit geval, vertaald uit het Duits: „Dit omvat uitdrukkelijk synthetische stemmen. Iedereen die een telefoontje of een spraakbericht ontvangt dat met een gekloonde stem is gemaakt, moet hiervan op de hoogte worden gesteld.”

Formeel rust de verplichting op de beller, en de uitzondering voor puur privé- en niet-professioneel gebruik geldt niet voor een bende die commercieel opereert. In de praktijk verandert dit niets voor een slachtoffer. Niemand houdt zich aan een meldingsplicht die het doel van het misdrijf teniet zou doen. De handhaving vindt administratief plaats, met boetes tot 15 miljoen euro, tegen bedrijven met een adres en een omzet, niet tegen anonieme bellers in het buitenland. Strafrechtelijk blijft het fraude op grond van artikel 263 van het Duitse wetboek van strafrecht, precies zoals voorheen.

Tatjana Halm, hoofd juridische en digitale zaken bij het Beierse consumentenadviescentrum, zegt het zelf, vertaald uit het Duits: „De nieuwe regels zorgen voor meer transparantie. Maar fraudeurs houden zich niet aan regels, dus een ontbrekend label is geen garantie voor veiligheid.”

Dat is de zin die de gehele checklist vervangt. Er is geen label waarop u moet wachten en geen geluid waarnaar u moet luisteren. Er is alleen het tweede kanaal.