Causa ANDIS: Gendarmería terminó el peritaje y no pudo confirmar si la voz de los audios es la de Diego Spagnuolo

La Gendarmería Nacional entregó este jueves a la Justicia el informe final del peritaje acústico practicado a los audios de la causa ANDIS, atribuidos al ex director del organismo Diego Spagnuolo. Los peritos no pudieron determinar científicamente que sea él quien habla en las grabaciones, ya que no se logró hacer un cotejo entre los archivos y la voz del ex funcionario libertario.

Los especialistas de la Dirección Criminalística y Estudios Forenses de la Gendarmería establecieron que los audios presentan indicios de haber sido regrabados mediante “transferencia acústica”, es decir que habrían sido reproducidos por un parlante y vueltos a grabar con otro dispositivo. Eso complicó la tarea de los forenses oficiales, según plasmaron en un documento de 74 páginas al que accedió Infobae.

Entre las conclusiones vertidas en el informe, se detectaron múltiples anomalías físicas, como discontinuidades abruptas en las ondas de sonido y cambios repentinos en el ruido de fondo, que contradicen la idea de que las grabaciones sean continuas y sin ediciones posteriores.

Aunque el análisis reveló características habituales del habla humana real y no se hallaron pruebas evidentes de manipulación por inteligencia artificial, los peritos aclararon que no cuentan con herramientas forenses validadas para descartar de manera concluyente el uso de tecnologías de clonación de voz o deepfakes.

La finalización del peritaje abre un nuevo panorama para la causa, que tramita en el Juzgado Federal N° 11 que subroga Ariel Lijo. La defensa de Spagnuolo, por ejemplo, considera que los audios “son truchos” y, en esa línea, planteará la exclusión del material como prueba. Buscarán así que se anulen los primeros allanamientos y, en consecuencia, mejorar la posición del ex director de ANDIS de cara a un eventual pedido de sobreseimiento.

En cambio, el fiscal federal Franco Picardi, a cargo de la investigación, sostiene que los audios nunca fueron usados como prueba para construir la acusación. Los peritos del Ministerio Público que participaron del peritaje, cinco especialistas de la Dirección de Apoyo Tecnológico a la Investigación Penal (DATIP), firmaron el informe en disidencia e indicaron que el cotejo de voz que no pudo hacer la Gendarmería puede llevarse adelante en sus laboratorios. La fiscalía analiza proponer que se rehaga esa parte del estudio forense.

Los detalles del peritaje y las disidencias

Tal como anticipó Infobae en septiembre, el cotejo de voz entre los audios y una muestra indiscutible que debía aportar el propio Spagnuolo se había frenado por obstáculos técnicos. Esto fue materia de discusión entre los peritos oficiales y los de la DATIP.

El pendrive que tiene la Justicia con los audios contiene 58 archivos, de los cuales el contenido de uno está repetido.

Para el cotejo, como criterio inicial de exclusión, se descartaron de forma automática todos los audios que no alcanzaron una duración de ocho segundos de habla efectiva, ya que el sistema de identificación de hablantes utilizado, el Forensia v2.0, requiere ese umbral como mínimo para procesar la información con fiabilidad. Bajo este parámetro, 43 registros resultaron catalogados como “no aptos”. Los 14 restantes superaron la barrera temporal y pasaron a las siguientes fases de evaluación acústica.

Al practicar un examen de integridad sobre las muestras “aptas”, se detectó el proceso de regrabación antes mencionado.

Debido a que el software Forensia v2.0 no está calibrado para procesar señales que hayan pasado por un doble canal de reproducción y captura, los especialistas de Gendarmería concluyeron que no era metodológicamente adecuado realizar la comparación de voces, ya que los resultados carecerían de validez científica.

Por tal motivo, el Juzgado dejó sin efecto la toma de muestra de voz que se le había solicitado a Spagnuolo.

En tanto, el análisis de integridad digital aportó datos que, a criterio de los peritos oficiales, contradicen la idea de que los audios sean grabaciones continuas y directas. Los técnicos identificaron múltiples discontinuidades abruptas en las ondas de sonido, las cuales son compatibles con puntos de corte o edición.

Asimismo, el estudio del ruido de fondo reveló modificaciones instantáneas en la energía del espectro sonoro. En una grabación ambiental normal, el murmullo del entorno varía de manera paulatina; por lo tanto, los saltos repentinos hallados en los archivos sugieren que existieron uniones de diferentes tomas o interrupciones en la captura original.

Adicionalmente, se detectaron dos intervalos específicos en el audio de mayor duración que contienen repeticiones exactas de contenido sonoro con un retraso de casi dos segundos, acompañadas de una pérdida notoria de calidad. Por el contrario, un archivo denominado “La caja.m4a” se destacó como el único registro donde no se observó ningún indicio de manipulación.

Al ordenar el peritaje de los audios, hace ya más de seis meses, el juez Lijo pidió determinar si las voces grabadas correspondían a personas reales o si se trataba de clonaciones generadas mediante algoritmos. Para responder a este interrogante, se seleccionaron los cinco archivos que superaban los treinta segundos de habla continua.

El examen fonoaudiológico y auditivo-perceptual identificó elementos propios del habla humana espontánea, tales como variaciones en la entonación, pausas naturales para respirar, cambios en la velocidad de articulación, repeticiones de sílabas y chasquidos con la lengua. Del mismo modo, las representaciones visuales del espectro de sonido mostraron una estructura armónica normal y formantes estables, sin las distorsiones típicas que suelen dejar los sistemas de clonación de voz.

A pesar de que no se hallaron anomalías que sugieran una manipulación artificial, los peritos oficiales aclararon que no profundizaron en este punto porque la Gendarmería Nacional no posee herramientas forenses validadas para la detección de deepfakes.

El informe resalta que, si bien existen programas de uso público en el ámbito académico, estos no cuentan con estudios de precisión que permitan utilizarlos con rigor en un proceso judicial. Por consiguiente, se concluyó que, aunque las voces exhiben características humanas habituales, la tecnología actual no permite descartar de forma absoluta la intervención con inteligencia artificial.

El informe cuenta con un anexo en el que están plasmadas las diferencias de criterio entre los peritos oficiales y los representantes del Ministerio Público Fiscal.

Los agentes designados por el fiscal Picardi firmaron el acta en disidencia, argumentando que la imposibilidad de usar el software Forensia v2.0 no debió anular el cotejo de voz. Según su postura, el protocolo vigente permite realizar análisis perceptuales y semiautomáticos complementarios utilizando herramientas que sí estaban disponibles en el laboratorio.

Los peritos de la fiscalía señalaron una contradicción: el 2 de septiembre se determinó formalmente que el audio principal (“que tiene lule menem con Karina.mp4”) era técnicamente apto para el cotejo, lo que motivó que se citara a Diego Spagnuolo para tomarle una muestra de voz. Sin embargo, dos semanas después, los peritos oficiales cambiaron de opinión y cancelaron la comparación usando como argumento las mismas anomalías físicas que ya estaban presentes en el audio desde el primer día de análisis.

Por su parte, los peritos de la fiscalía también cuestionaron la metodología del análisis de voz, señalando que se omitieron mediciones instrumentales objetivas y que la sola presencia de respiraciones no garantiza la autenticidad de un audio —ya que una IA también podría clonarlas— si no se evalúa su coherencia con la dinámica del discurso.

Finalmente, los técnicos de la fiscalía criticaron que el informe oficial se limitó a marcar los puntos donde había cortes o ediciones físicas, pero no analizó el contenido de los fragmentos que quedaron en el medio. Según la disidencia, era fundamental evaluar si esos pasajes limpios conservaban frases con sentido completo o si presentaban interrupciones sintácticas, lo que habría permitido entender si los audios fueron editados para unir conversaciones distintas y alterar el sentido real de las declaraciones.