Stemdeepfake: wanneer een stem niet meer is wat hij lijkt

Bijgewerkt: 5 augustus 2026 · 5 min leestijd

Een stemdeepfake is audio waarin een computer de stem van een echt bestaand persoon nabootst, zodat het lijkt alsof die persoon iets zegt wat hij of zij in werkelijkheid nooit heeft uitgesproken. De techniek analyseert een kort stukje opgenomen spraak — soms al genoeg met een paar seconden — en leert daaruit de klankkleur, tongval en spreekritme van iemand. Vervolgens kan het systeem nieuwe zinnen "uitspreken" in precies diezelfde stem, inclusief ademhaling en emotie.

Vergelijk het met een uitzonderlijk begaafde imitator die na één keer luisteren al feilloos jouw stem kan nadoen, inclusief zinnen die je nooit hebt gezegd. Waar een menselijke imitator jaren oefent, doet software dit binnen enkele minuten rekenwerk. Dat maakt stemdeepfakes bruikbaar voor onschuldige toepassingen, zoals het nasynchroniseren van een film in een andere taal met de originele stem van de acteur, maar evengoed voor misleiding: een telefoontje dat klinkt als een familielid dat dringend geld nodig heeft, terwijl er aan de andere kant niemand van vlees en bloed zit.

Wat is het precies?

De basis van een stemdeepfake is een neuraal netwerk, een wiskundig model dat is getraind op grote hoeveelheden audio van menselijke spraak. Tijdens die training leert het model welke patronen typisch zijn voor menselijke stemmen: toonhoogte, klemtoon, ademhaling, tempo.

Om een specifieke stem te klonen, krijgt het model daarna een kort audiofragment van de doelpersoon te horen — dit heet "voice cloning" of stemkloning. Sommige systemen hebben hiervoor minutenlange opnames nodig, de nieuwste generatie kan al met een paar seconden spraak een bruikbare kloon maken. Dit heet "few-shot" of zelfs "zero-shot" kloning: het model heeft nauwelijks voorbeelden nodig omdat het al zoveel algemene kennis over spraak in huis heeft.

Het model zet vervolgens tekst om in spraak (text-to-speech, kortweg TTS) in de gekloonde stem. Een aparte techniek, voice conversion, verandert bestaande audio: iemand spreekt een zin in, en het systeem "herkleurt" die opname zodat het klinkt als de stem van iemand anders, met behoud van intonatie en ritme van de oorspronkelijke spreker. Achter de schermen gebruiken de meeste moderne systemen zogeheten diffusiemodellen of transformer-architecturen, vergelijkbare technologie als die ook tekst- en beeldgeneratoren aandrijft.

Wat wil men ermee bereiken?

Onderzoekers en bedrijven ontwikkelen stemkloontechnologie met uiteenlopende, grotendeels legitieme doelen. Een belangrijke drijfveer is toegankelijkheid: mensen die door ziekte, een operatie of een ongeluk hun stem zijn kwijtgeraakt, kunnen met een gekloonde versie van hun eigen oude stem weer "zichzelf" klinken via een spraakcomputer, in plaats van de robotachtige stem die daarvoor vaak werd gebruikt.

Ook de entertainment- en mediasector ziet grote mogelijkheden: audioboeken, games en films kunnen sneller en goedkoper worden nagesynchroniseerd in andere talen, met behoud van de stem van de oorspronkelijke acteur. Klantenservicebots en voice-assistants kunnen natuurlijker en persoonlijker klinken. Daarnaast drijft puur wetenschappelijke nieuwsgierigheid het onderzoek: spraaksynthese is al decennia een graadmeter voor de vooruitgang in kunstmatige intelligentie.

Tegelijk is er een keerzijde die het veld mede vormgeeft: dezelfde technologie kan worden misbruikt voor fraude, chantage en desinformatie. Onderzoekers naar detectie en beveiliging werken daarom parallel aan manieren om gekloonde stemmen te herkennen en misbruik te voorkomen, iets waar in latere paragrafen op wordt teruggekomen.

Voorbeelden uit de praktijk

Een aantal concrete gevallen laat zien hoe divers de toepassingen — en de risico's — van stemdeepfakes zijn.

Val (2021): voor deze documentaire over acteur Val Kilmer, die na keelkanker grotendeels zijn stem was kwijtgeraakt, werd met technologie van het bedrijf Sonantic zijn stem digitaal gereconstrueerd uit oude opnames, zodat hij weer met zijn eigen klank kon "spreken". Sonantic werd in 2022 overgenomen door Spotify.
VALL-E (2023): Microsoft Research presenteerde dit onderzoeksmodel dat een stem kan klonen op basis van een audiofragment van slechts enkele seconden, en daarmee liet zien hoe snel de benodigde hoeveelheid trainingsaudio kromp.
Voicebox (2023): Meta toonde een generatief spraakmodel dat naast klonen ook ruis kan verwijderen en ontbrekende stukken audio kan "invullen". Meta koos ervoor het model niet publiek vrij te geven vanwege misbruikrisico's.
De Biden-robocall (januari 2024): vlak voor de voorverkiezingen in New Hampshire (VS) ontvingen kiezers een geautomatiseerd telefoontje met een AI-nagemaakte stem van president Biden die hen ontried te gaan stemmen. De verantwoordelijke consultant werd later door de Amerikaanse telecomtoezichthouder FCC met een fikse boete geconfronteerd.
Verkiezingen in Slowakije (september 2023): vlak voor de parlementsverkiezingen circuleerde een audiofragment waarin oppositieleider Michal Šimečka leek te bespreken hoe verkiezingsfraude te plegen. Onderzoekers vermoedden dat het fragment (gedeeltelijk) met AI was gegenereerd; de precieze herkomst is nooit met zekerheid vastgesteld.

Hoe ver is de techniek?

De ontwikkeling gaat snel. Een paar jaar geleden waren minutenlange opnames nodig om een overtuigende stemkloon te maken; inmiddels volstaan bij sommige commerciële diensten enkele seconden spraak om een stem redelijk natuurgetrouw na te bootsen. Ook is real-time kloning mogelijk geworden, waarbij iemands stem tijdens een live gesprek wordt omgezet in een andere stem, met slechts een kleine vertraging.

Toch is de techniek niet perfect. Emoties, achtergrondgeluid, accenten en spreekstijl in ongebruikelijke situaties (zoals hard lachen, huilen of schreeuwen) blijven lastig na te bootsen zonder dat het net iets "vlak" of mechanisch klinkt voor een geoefend oor. Bij korte, neutrale zinnen is het onderscheid met een echte stem voor de meeste luisteraars inmiddels nauwelijks meer te horen.

Een groot obstakel ligt niet zozeer in de generatietechnologie zelf, maar in detectie: het is voor mensen én voor automatische detectiesystemen steeds moeilijker om een gekloonde stem met zekerheid te herkennen. Onderzoekers werken aan digitale watermerken die onhoorbaar in AI-gegenereerde audio worden verwerkt, en aan herkomstlabels die vastleggen hoe een opname is ontstaan. Deze technieken staan echter nog in de kinderschoenen en zijn niet waterdicht: wie een watermerk kent, kan proberen het te verwijderen of te omzeilen. Het blijft in de praktijk een kat-en-muisspel tussen wie audio genereert en wie audio probeert te ontmaskeren.

Wie werken eraan?

Grote techbedrijven investeren fors in spraaksynthese. Microsoft (met onderzoek als VALL-E), Meta (Voicebox) en Google (met onderzoek naar modellen als AudioLM) publiceren regelmatig nieuwe onderzoeksresultaten, vaak zonder de modellen zelf breed vrij te geven vanwege misbruikrisico's. OpenAI kondigde in 2024 een eigen stemkloonmodel aan, Voice Engine, maar besloot het niet publiek beschikbaar te maken en deelde de technologie alleen met een beperkte groep partners onder strikte voorwaarden.

Daarnaast is er een groeiende groep gespecialiseerde bedrijven die stemkloning als product aanbieden, zoals het in 2022 opgerichte ElevenLabs, dat bekendstaat om realistische, meertalige stemkloning, en Resemble AI. Ook kleinere spelers zoals het Oekraïens-Amerikaanse Respeecher richten zich op specifieke niches, zoals stemherstel voor mediaproducties.

Op het gebied van detectie en regulering zijn academische onderzoeksgroepen (onder meer aan universiteiten in de Verenigde Staten en Europa) en overheidsinstanties actief. De Europese Unie heeft met de AI Act regels vastgelegd die vereisen dat AI-gegenereerde of gemanipuleerde audio, video en beelden — inclusief stemdeepfakes — als zodanig herkenbaar worden gelabeld. In de Verenigde Staten houdt de FCC toezicht op misbruik via telefonie, zoals bij de eerdergenoemde robocall-zaak. Daarnaast werkt een industriecoalitie genaamd C2PA, met leden als Adobe, Microsoft, de BBC en Intel, aan technische standaarden voor herkomstlabels bij digitale content.