Cómo saber si una canción ha sido generada por IA: una guía práctica

¿Has escuchado alguna canción nueva esta semana? Es muy probable que parte de ella haya sido generada por un ordenador y que nunca la haya cantado un ser humano.

Ya he dicho que se trata de una afirmación alarmista, así que aquí van algunas cifras que demuestran que realmente hay motivos para preocuparse. El servicio de streaming musical Deezer afirmó que recibió alrededor de 90 000 canciones totalmente sintéticas cada día en julio de 2026.

Así pues, la mitad o más de toda la música nueva que se sube a los principales servicios de streaming es ahora música generada por IA. Y cuando Deezer llevó a cabo una prueba de escucha a ciegas con cientos de canciones, el 97% de los participantes no fue capaz de distinguir si una canción había sido compuesta por un ser humano o no.

Escuchar música que crees que podría haber compuesto un ordenador no es señal de paranoia. Y tampoco es divertido. Si pagas por tu música, entonces tú también tienes un problema: ¿dónde se ha ido tu dinero? 

Si eres músico, hay otro gran problema: alguien que no ha dedicado años a aprender a tocar un instrumento está reduciendo tus derechos de autor hasta dejarlos en nada. Si te ganas la vida, por ejemplo, seleccionando canciones para una lista de reproducción o fichando a nuevos artistas, también te sale muy, muy caro.

Por supuesto, no quería publicar un artículo lleno de consejos del tipo “déjate llevar por las vibraciones”. Así que probé la detección de música mediante IA en una situación real. 

Hice que mi equipo sometiera siete canciones al detector de IA de Undetectable AI. Todas eran piezas de cuatro minutos de duración, y yo había anotado el origen real de cada una de ellas antes de pasarlas por el detector.

Cuatro de las canciones fueron creadas por generadores musicales basados en IA, tres fueron compuestas e interpretadas por personas, y una de las canciones generadas por IA incluso ya había entrado en las listas de éxitos (aunque el algoritmo no lo sabía cuando se realizó la prueba).

A continuación encontrarás las capturas de pantalla con los resultados, seguidas del contexto y la metodología, las cifras sin procesar —que incluyen dos sorpresas— y, por último, los aspectos que suscitan preocupación y los puntos en los que la herramienta falla.

---

Principales conclusiones

• La detección no es solo una curiosidad para los frikis. Evita que las voces distorsionadas aparezcan en los catálogos y que el fraude se cuele en el fondo de derechos de autor. Deezer marca como fraudulentas el 85 % de las reproducciones de las canciones generadas por IA y no paga nada por ellas.

• El audio sintético sigue teniendo fallos. El tono se desliza entre las notas de forma demasiado uniforme, la dinámica queda aplastada, los agudos chirrían y nadie se detiene nunca para respirar.

• Nuestra prueba dio un resultado perfecto: siete de siete. Las cuatro pistas generadas por IA obtuvieron un 99 %, y los tres registros humanos se clasificaron con un 12 %, un 10 % y un 3 %. No hubo ninguna acusación falsa.

• Los detalles concretos no son prueba de que se trate de un ser humano. Dos de las canciones generadas por IA estaban repletas de imágenes específicas y peculiares y, aun así, obtuvieron una puntuación del 99 %, porque lo que las delata es lo perfectamente que encaja todo.

• Los casos híbridos siguen siendo los más complicados. Una persona que canta una letra escrita por IA, o una persona que canta sobre bases musicales generadas, envía al detector dos señales a la vez. Cuando eso ocurra, comprueba las capas por separado.

• Si compruebas el audio con frecuencia, ejecuta el Detector de IA junto a la Detector de voz AI Tarda más o menos un minuto y aclara la cuestión de una vez por todas.

---

Por qué es tan importante ahora mismo la detección de música mediante IA

También evalué la magnitud del problema en Deezer. Empezamos a detectar canciones sintéticas en enero de 2025 y, a finales de febrero de 2025, detectábamos aproximadamente 10 000 canciones sintéticas al día. 

A finales de abril de 2026, esta cifra había aumentado hasta las 75 000 al día. Durante un breve periodo en junio de 2026, llegó incluso a alcanzar las 90 000 al día, lo que supuso que en Deezer se detectaran más de 2 millones de canciones generadas por máquinas al mes.

En primer lugar, las grabaciones originales de los músicos se utilizarán para entrenar esos modelos, a menudo sin su conocimiento ni remuneración. Después, su trabajo aparecerá junto a las de los robots en los resultados de búsqueda. No se trata de un robo de canciones, sino simplemente de que sus contrapartes robóticas las desplazan.

En el ámbito empresarial, la situación se está volviendo francamente repugnante. Las regalías por streaming se pagan a partir de un fondo común, por lo que a alguien que crea música de verdad en un estudio de verdad le quitan su parte justa de los ingresos un bot que crea y reproduce en streaming versiones falsas de la misma canción a gran escala.

Eso supone que 85% de todas las reproducciones de música generada por IA creadas por Deezer se han considerado fraudulentas y, por lo tanto, se han desmonetizado, mientras que entre 1 y 3% de todas las reproducciones de música generada íntegramente por IA son reproducidas realmente por personas. Lee esto y date cuenta de que la mayor parte de la música creada por IA no está pensada para ser reproducida por personas. Está hecha para que la reproduzcan los bots.

Pero hay mucha gente en la industria musical cuya función consiste en seleccionar música, distribuirla y hacerla llegar al público. Discográficas. Agencias que buscan sincronizaciones para películas y anuncios. Editoriales, comisarios y sociedades que recaudan derechos en nombre de autores y compositores.

Para ellos, la detección de canciones generadas por IA no es una cuestión técnica, sino empresarial. ¿Serán capaces de distinguirlas antes de que se publiquen? ¿Retirarán las canciones etiquetadas como generadas por IA de las recomendaciones y de las listas de reproducción editoriales?

(A día de hoy, Deezer ha decidido no incluirlos en las recomendaciones ni en las listas de reproducción, pero desde enero de 2026 también concede licencias de la tecnología de detección a otras empresas: las listas de Billboard, por ejemplo, se van a filtrar ahora mediante este mismo sistema de detección. Por ahora, la detección se ha convertido en algo básico).

Comprueba los metadatos y las opiniones de otros usuarios antes incluso de darle al «Play»

Muchas veces se puede detectar una actuación falsa sin siquiera escuchar una sola nota, porque la clave no está en el audio en absoluto, sino en todo lo que lo rodea.

El perfil del artista fantasma

Los músicos de verdad dejan un rastro a su paso. Un vídeo borroso grabado con el móvil en una sala medio vacía, un fragmento de un ensayo, una entrevista en un podcast con cuarenta oyentes, una foto etiquetada de 2019 en la que todos parecen más jóvenes. Los artistas de IA no dejan nada de eso.

Qué hay que tener en cuenta:

• Unas cifras mensuales sólidas de oyentes frente a una presencia en redes sociales prácticamente inexistente, o a cuentas que se crearon unos días antes del primer lanzamiento.
• No hay imágenes en directo por ningún sitio, en ningún momento. Ni de una prueba de sonido, ni de un festival, ni siquiera un vídeo tembloroso grabado por un fan.
• Portadas con ese ligero brillo plástico. Letras deformadas, manos en posturas anatómicamente poco realistas, rostros demasiado simétricos, el mismo degradado de color en todos y cada uno de los discos.
• Nombres de miembros de la banda que no arrojan ningún resultado fuera de la página del artista. No aparecen como compositores en ningún otro sitio, ni han participado en sesiones de grabación, ni tienen trayectoria.

The Velvet Sundown es el ejemplo que todo el mundo pone como referencia, y con razón. Una banda que surgió a mediados de 2025, superó el millón de oyentes mensuales en Spotify, lanzó varios álbumes completos en cuestión de semanas y aparecía en las fotos de prensa con ese inconfundible brillo generado digitalmente.

Con el tiempo, reescribió su propia biografía para describirse como un proyecto sintético compuesto e interpretado mediante IA. Mucha gente se dejó engañar por la música. Nadie se dejó engañar nunca por la documentación.

Un calendario de lanzamientos que ningún ser humano podría soportar

Grabar un disco lleva tiempo. Componer, grabar, mezclar, masterizar y volver a discutir sobre la mezcla. Así que, cuando una cuenta publica tres álbumes en seis semanas, o una docena en un mes, lo que tienes ante ti es una «fábrica» y no un artista.

Lo mismo ocurre con un artista que saca temas de country, drill y jazz lo-fi en la misma quincena. La gente tiene un estilo definido del que realmente no puede escapar. Las modelos, en cambio, no tienen ninguno.

Etiquetas de los archivos y detalles de las pistas

Si puedes descargar el archivo o abrir la información detallada de la pista, lee los metadatos. Los nombres de los generadores suelen conservarse más a menudo de lo que crees; a veces aparecen justo ahí, en el campo de comentarios o en la línea del codificador. 

Falta información sobre la editorial, no hay código ISRC, el nombre del autor aparece en blanco y el distribuidor es conocido por subir archivos a gran escala. Cualquiera de estos factores por sí solo no prueba nada. Pero cuando se dan cuatro de ellos a la vez, suele ser suficiente para responder a la pregunta.

La portada también merece que le dediques un segundo, ya que una portada generada y una pista generada suelen ir de la mano. Súbela a la Detector de imágenes AI y considerar cualquier resultado que se obtenga como una pieza más del rompecabezas, en lugar de como un veredicto en sí mismo.

Prueba de canciones con el detector de IA de Undetectable AI

El simple hecho de escuchar dejó de funcionar hacia 2024. Las primeras voces generadas por IA tenían un tono tembloroso y un sonido difuso que se notaba incluso desde el otro extremo de la habitación.

La generación actual gestiona tan bien la colocación del aliento, las consonantes y las colas de reverberación que incluso los profesionales del sector se equivocan con frecuencia. Esa cifra del 97 % en la prueba a ciegas no es un comentario sobre el oído de nadie. El listón se ha elevado.

Por eso utilizamos un programa informático para la primera revisión. El «Undetectable AI Detector» analiza la huella lingüística de la letra, ofrece un porcentaje y un veredicto claro, y te muestra qué versos han motivado la decisión. 

El «AI Voice Detector» se encarga de la parte de audio y señala las voces sintéticas o clonadas. Entre ambos, cubren las dos vertientes de la cuestión: qué se dijo y cómo se cantó.

Cometer un error en esto ahora supone un coste económico real. Si publicas una canción que creías que estaba libre de derechos, puedes verte envuelto en un conflicto de derechos de autor, ya que los principales generadores siguen inmersos en litigios sobre el material con el que se entrenaron. Las plataformas también se han vuelto más estrictas. 

Bandcamp ha prohibido las canciones creadas íntegramente con IA, Tidal ha suspendido la monetización, Apple Music aplica un sistema de etiquetado voluntario y Deezer elimina las canciones etiquetadas de sus recomendaciones. Y si has utilizado la IA de forma discreta y no lo has dicho, eso supone un problema de reputación que permanece latente hasta que alguien más lo compruebe.

Nuestro proceso de pruebas paso a paso

Lo ejecutamos en agosto de 2026 con la opción de detección activada. Tardó menos de media hora, de principio a fin, por si quieres copiarlo.

1. Elige canciones cuyo origen ya conozcas y anótalas primero. Evaluar una herramienta a posteriori solo funciona si te has comprometido con las respuestas de antemano. Utilizamos siete, ponderadas deliberadamente para que un detector «perezoso» no pudiera acertar adivinando una sola opción. Cuatro procedían de diferentes generadores de letras basados en IA, lo cual es importante porque una herramienta que solo reconozca un generador no sirve de mucho. Tres eran grabaciones de artistas con un historial documentado que se remonta a años atrás, incluidas dos de artistas cuya forma de escribir ha sido ampliamente analizada e imitada.
2. Ejecútalas una por una. Pegamos cada hoja de letra por separado y dejamos que terminara antes de empezar con la siguiente. Si las agrupas, todo se vuelve confuso, porque pierdes la noción de qué pasaje ha generado qué resultado.
3. Anota el veredicto, el porcentaje y las líneas resaltadas. Hemos hecho capturas de pantalla de las siete, y todas ellas se incluyen a continuación, así que puedes comprobar tú mismo las cifras en lugar de tener que creerme a pies juntillas.

Hay algo que quiero señalar antes de que leas la tabla. En esta prueba se ha evaluado el letra de la canción, no la forma de onda. Esa es una limitación real y volveré sobre ella al final, porque influye en la importancia que se debe dar a las puntuaciones.

Resultados de la detección: siete canciones, siete identificaciones correctas

Primero, el marcador; después, lo que realmente te dice cada resultado.

Canción	Fuente	Origen real	Veredicto	Puntuación de IA
Una vida de lujo, ojos brillantes	Generador de «BoredHumans»	Generado por IA	Generado por IA	99%
De pie al borde	Generador FreshBots	Generado por IA	Generado por IA	99%
La sonrisa de la luz del porche	Generador AISongMaker	Generado por IA	Generado por IA	99%
Un millón de colores	Vinih Pray, creado con Suno	Generado por IA	Generado por IA	99%
Recibes lo que das	New Radicals, 1998	Humano	Escrito por una persona	12%
Cárdigan	Taylor Swift, 2020	Humano	Escrito por una persona	10%
Escucha	Beyoncé, 2006	Humano	Escrito por una persona	3%

Prueba realizada en agosto de 2026 utilizando el «AI Detector» de Undetectable AI. A continuación se muestran capturas de pantalla de los siete resultados.

Lo que llama la atención no es solo que acertara todas y cada una de ellas, sino la magnitud de la diferencia. Las cuatro canciones sintéticas obtuvieron un 99 %, mientras que los tres temas interpretados por humanos se situaron en el 12 %, el 10 % y el 3 %.

No había ningún caso ambiguo, y ningún artista de verdad fue acusado de nada. Para una herramienta que se va a utilizar para tomar decisiones sobre el trabajo de las personas, la segunda parte de esa frase es más importante que la primera.

Las cuatro líneas temáticas sobre IA

Una vida de lujo, ojos brillantes

Se generó de principio a fin a través de BoredHumans, y el resultado fue: 99 % de IA con prácticamente toda la letra iluminada. Al leerla después, se entiende el motivo. Cada imagen es agradable y no pesa nada. Amaneceres, destellos bajo la lluvia, sueños desbordantes.

Las rimas nunca fallan, las sílabas encajan a la perfección en la métrica y, a lo largo de toda la canción, en realidad no le pasa nada a nadie. Ni calle, ni año, ni nombre. Estos modelos se acercan a la media emocional de todo aquello con lo que se les ha entrenado, y esa media es siempre así de bonita y así de vacía.

De pie al borde

Este lo ha publicado FreshBots y también ha tenido éxito 99 % de IA, que es el resultado que empezó a cambiar mi forma de leer las letras de las canciones. La canción estaba claramente concebida para parecer humana, y tiene detalles concretos. Un recuerdo de cuando tenía siete años. Dejar un trabajo la primavera pasada.

Tres meses durmiendo en el sofá de un amigo. Unos padres que piensan que el narrador se ha vuelto loco. Ese es precisamente el detalle biográfico que normalmente se percibe como real.

Aun así, ha obtenido una puntuación de 99, y el motivo radica en lo que la canción hace con esos detalles, más que en el mero hecho de que los tenga. Cada detalle concreto se resuelve en una pequeña y ingeniosa contradicción. Esperanza y miedo. Desolación y preparación. Hundimiento y vuelo. Simetría en todo momento, y la vida real no se equilibra así.

La sonrisa de la luz del porche

Esta fue la muestra que añadí previendo que daría problemas, y es el fallo más interesante de todos. Creada con AISongMaker, hace todo lo que, según las columnas de consejos, haría una persona. Las imágenes son pequeñas, extrañas y específicas.

Una bufanda olvidada en una silla. Le das sal a alguien cuando te ha pedido azúcar. Una puerta, un banco, una parada de autobús. Incluso hay una frase realmente extraña sobre «manos color albaricoque» y una «sonrisa de vaso de plástico», el tipo de frase que jurarías que alguien tuvo que inventarse.

Marcó un gol 99 % de IA. Y en cuanto el detector lo señaló, quedó claro lo que había detrás. Los detalles extravagantes nunca le costaron nada al narrador. La confusión entre el azúcar y la sal se toma a broma de inmediato y se resuelve en dos líneas.

Cada imagen aparece, cumple con su encantadora función y se va sin complicar la siguiente. Cuando alguien escribe sobre un flechazo, suele quedarse con la parte que aún le duele o con el detalle que le hace quedar mal. Esta canción es una recopilación de momentos agradables encadenados uno tras otro, y esa agradabilidad sin fricciones es precisamente su sello distintivo.

Un millón de colores

La que tiene importancia desde el punto de vista comercial, porque no es un simple prototipo de laboratorio. Creada con Suno, publicada por Vinih Pray e identificada por Billboard como la primera canción generada por IA conocida en entrar en las listas de TikTok, donde alcanzó el puesto número 44 en el Viral 50. Cientos de miles de creaciones en TikTok, más de 800 000 reproducciones en Spotify y un público que, en su mayoría, no tenía ni idea.

Volvió a las 99 % de IA y el detector lo identificó desde la primera línea. La melodía es casi idéntica a la de «Lush Life». Mañanas de primavera, pétalos, luz de las estrellas, un arcoíris de amor que nunca se desvanece.

Imágenes de la naturaleza sin ningún contraste, un estribillo que se repite sin aportar nada nuevo. Lo que convenció a los oyentes de esta canción fue la producción, ese cálido toque retro. Y precisamente por eso mereció la pena leer la letra. La superficie aguantó bien. El contenido, en cambio, no.

Los tres récords humanos

Estos son los resultados que realmente me importaban, porque un detector que marca todo es peor que inútil. Un falso positivo en un artista real no es un error menor, es una acusación de la que luego alguien tiene que retractarse. Por eso elegimos a propósito casos difíciles.

«You Get What You Give», de New Radicals

Verificado como escrito por una persona en 12 % de IA. Se trataba de una prueba deliberadamente complicada. La canción tiene un estribillo muy pegadizo que se repite constantemente, lo cual es el tipo de estructura que puede parecer estereotipada para un clasificador. Aun así, superó la prueba, y el motivo está en la composición.

Cuando se lleva dos tercios de la canción, esta abandona su tono optimista y se convierte en una diatriba directa, concreta y en la que se citan nombres. Es divertida. Es irritante. Rompe su propia estructura porque quien la escribió tenía algo más que desahogarse. Los modelos no construyen algo para luego destrozarlo a propósito.

Cárdigan de Taylor Swift

Autorizado en 10 % de IA. Quería incluir esta canción en la selección precisamente porque Swift es probablemente la letrista más imitada del mundo. Su forma de expresar las ideas se ha introducido en todos los generadores que existen y ha sido copiada por miles de escritores, por lo que, si hubiera algún catálogo de canciones que, por pura saturación estadística, pudiera parecer escrito por una máquina, sería el suyo.

Ha salido adelante sin problemas. El texto sigue haciendo cosas que un modelo nunca se atrevería a hacer. Las imágenes se yuxtaponen sin llegar a encajar, pequeños detalles físicos tienen un peso emocional que la canción nunca explica, y la narradora dice cosas que la hacen quedar peor en lugar de mejor.

Los detalles que un generador suaviza hasta convertirlos en nostalgia genérica también encierran una especificidad propia de la época y la clase social. Resulta que el hecho de que algo sea ampliamente imitado no hace que el original parezca una imitación.

«Listen», de Beyoncé

El resultado más nítido de toda la prueba en 3 % de IA. Vale la pena reflexionar sobre esto, porque, sobre el papel, parece que debería ser la muestra humana más arriesgada.

Es una balada muy emotiva construida en torno precisamente al tipo de vocabulario al que recurren constantemente las canciones generadas por IA. Sueños, corazones, melodías, encontrar una voz. Si le dieras a un generador la indicación «crea una balada empoderadora», obtendrías algo con una lista de palabras similar.

Obtuvo una puntuación más baja que cualquier otra canción que hemos presentado. La diferencia es que la canción discute con alguien. Se dirige a una persona concreta, hay un resentimiento real de fondo, y la intensidad emocional va en aumento porque la situación se agrava, y no porque el arreglo musical sea más fuerte.

Las letras generadas por IA utilizan el lenguaje de los sentimientos. Esta en concreto contiene una verdadera controversia, y el detector ha sido capaz de detectarla.

Fíjate también en que ninguna de las canciones compuestas por humanos ha obtenido una puntuación de cero, lo cual es una buena señal. Los compositores de verdad recurren constantemente a expresiones comunes, y una herramienta que insistiera en un cero absoluto estaría sobreajustándose para complacerte. Lo que tú buscas es la distancia entre los dos grupos.

En este caso, la muestra humana más cercana y la muestra de IA más cercana estaban separadas por 87 puntos.

Lo que nos enseñaron siete muestras y no nos habrían enseñado tres

La incorporación de muestras modificó la conclusión, que es precisamente el objetivo de incluirlas.

La lección más clara es que Un detalle concreto no es prueba de que se trate de un ser humano. Tanto «Standing at the Edge» como «Porch Light Smile» estaban repletas de esas imágenes concretas y un poco extrañas que todas las guías te dicen que busques, y ambas obtuvieron una puntuación del 99 %. Si las revisas a simple vista, ese consejo te fallará.

Lo que realmente las diferenciaba de las composiciones humanas era la fricción. En las canciones generadas por IA, cada detalle se resuelve con claridad y no le cuesta nada al narrador. En las humanas, los detalles se contradicen entre sí, quedan sin explicar o hacen quedar mal al autor.

La segunda lección es que cuatro generadores diferentes obtuvieron todos el mismo resultado: el 99 por ciento. BoredHumans, FreshBots, AISongMaker y Suno son productos independientes con modelos distintos, y el detector no estaba configurado para detectar ninguno de ellos en concreto. Esto es importante, porque una herramienta entrenada para detectar un único generador popular deja de ser útil en el momento en que alguien cambia de generador.

El tercero tiene que ver con los falsos positivos, y es la razón por la que incluimos a Swift y a Beyoncé en lugar de tres temas indie menos conocidos. Los textos muy imitados suponen una prueba de resistencia para un detector, ya que las imitaciones se incorporan a los datos de entrenamiento. Ambos superaron la prueba.

Ese es el resultado que me gustaría ver antes de permitir que ninguna herramienta influya en una decisión que afecte al sustento de alguien.

La anatomía oculta del audio generado por IA: anomalías técnicas a las que hay que prestar atención

La letra es solo una parte. Si quieres valorar la grabación en sí, estas son las imperfecciones que el audio generativo aún no consigue ocultar del todo. Usa auriculares. Los altavoces del móvil lo enmascaran casi todo.

Artefactos espectrales

Estos modelos sintetizan el sonido en lugar de captarlo, y las uniones se aprecian en el contenido de frecuencias. Fíjate en un ligero silbido metálico que se superpone a la mezcla, más perceptible en las notas sostenidas.

Los platillos y las sibilancias suelen delatarlo. Un platillo real se desvanece de forma irregular en la sala, mientras que uno generado tiende a difuminarse en una capa de sonido o a detenerse con una uniformidad extraña.

El «phase smearing» es el otro fenómeno, en el que la imagen estéreo resulta muy amplia y, al mismo tiempo, extrañamente hueca, como si los instrumentos no compartieran un mismo espacio. Si puedes abrir un espectrograma, busca un «shelf» pronunciado cerca de la parte superior donde el contenido simplemente se interrumpe, lo cual es un vestigio habitual del proceso de generación y compresión.

Voces que un cuerpo no podría producir

Esta es la categoría más fiable, ya que el canto está limitado por los pulmones y la laringe.

Aspectos a tener en cuenta:

• No respira. Los cantantes de verdad inhalan y eso se nota en la pausa que precede a una frase larga. Las voces sintéticas recorren con facilidad pasajes que a una persona le harían ver estrellas.
• Un tono que se desliza entre las notas con una suavidad mecánica, sin ese ligero desvío y esa corrección que produce la garganta durante el proceso.
• Un timbre que cambia sutilmente de carácter a lo largo de la canción, de modo que el estribillo suena como si lo cantara una persona ligeramente diferente a la de la estrofa, o que una línea de armonía no encaja con la propia voz principal.
• Una emoción que surge del arreglo, más que de la letra. La intensidad aumenta porque entra la batería, no porque la melodía se vuelva más intensa.
• Las consonantes suenan un poco demasiado nítidas. La gente arrastra y se traga las sílabas cuando habla con fuerza. La pronunciación generada articula todo con el mismo cuidado.

Un ritmo que nunca flaquea

Los bateristas humanos cometen pequeños errores constantemente, y son precisamente esos errores los que, en gran medida, hacen que un groove cobre vida. Los músicos se adelantan ligeramente al entrar en un estribillo, alargan un poco el ritmo en una balada y no hay dos golpes de caja que tengan exactamente la misma velocidad.

La percusión generada tiende a ajustarse al milímetro a la rejilla con una dinámica uniforme, por lo que resulta rígida incluso cuando es técnicamente perfecta. Los rellenos que se repiten de forma idéntica en lugar de variar son un indicio claro. Los hi-hats sin movimientos de acento son otro.

Después, presta atención a la propia sala. Las grabaciones reales reflejan la acústica del lugar donde se realizaron, con reflexiones tempranas y una caída natural del sonido. Las pistas generadas suelen llevar una reverberación añadida a algo que nunca estuvo en una sala, y el resultado suena plano y extrañamente cercano.

Consejos prácticos para distinguir de oído las canciones generadas por IA

Para nada de esto hace falta tener conocimientos de ingeniería. Este es, más o menos, el orden en el que lo hago la primera vez que lo escucho.

Empieza por la voz

• Busca la frase más larga de la canción y pregúntate si una persona podría cantarla de una sola vez, sin cortar la respiración. Si no es así y no oyes ninguna inhalación en ningún momento, esa es la pista más clara que tendrás.
• Sigue la emoción a lo largo de toda la canción. ¿Da la impresión de que, para el cantante, la estrofa triste tiene más importancia que la de relleno? Las voces sintéticas suelen aplicar un mismo ajuste a todo.
• Fíjate bien en las transiciones. Al entrar en el estribillo, una voz auténtica suele cambiar: con más aire, más garra, quizá algún quiebro. Un tono que se desliza por esa transición sin ningún esfuerzo adicional resulta sospechoso.

A continuación, la pista de acompañamiento

• Prepárate para un bucle. Las pistas instrumentales generadas repiten segmentos de forma idéntica con más frecuencia que las reales, y una vez que oyes la unión, ya no puedes dejar de oírla.
• Fíjate si la banda parece estar en algún sitio. Las grabaciones reales tienen profundidad y espacio entre los músicos. Las generadas por ordenador suelen dar la sensación de estar aplastadas contra el altavoz.
• Busca algo que se haya tocado claramente, en lugar de algo que se haya activado por casualidad. El ruido de los dedos en una guitarra, un deslizamiento descuidado del bajo, el crujido de un pedal en un piano. Esos accidentes casi nunca aparecen.

A continuación, los objetos

• Sube el volumen durante un pasaje tranquilo y presta atención a los sonidos que se esconden tras los instrumentos: chisporroteos, zumbidos o un leve brillo metálico.
• Deja que transcurran los últimos segundos. Los fundidos reales dejan al descubierto el sonido ambiental y el ruido de fondo. Los generados llegan al silencio digital de forma demasiado brusca o se disuelven en un efecto difuso.
• Fíjate en si los agudos suenan velados o apagados, lo que puede indicar que el sistema nunca ha reproducido detalles en las frecuencias realmente altas desde el principio.

A continuación, lee las palabras

• No te limites a buscar detalles concretos, ya que nuestra prueba ha demostrado que las canciones generadas por IA pueden ofrecer muchos de ellos. Pregunta, en cambio, si algún detalle le supone un coste al narrador o queda sin resolver.
• Fíjate en si hay una simetría perfecta. Cuando cada pareado está equilibrado, todas las contradicciones están bien resueltas y ningún verso resulta demasiado largo o torpe, es probable que lo haya escrito una máquina.
• Pregúntate si la canción se arriesga en absoluto. Humor, rencor, un agravio que nunca se resuelve. Los modelos se optimizan para lo agradable, y lo agradable es en sí mismo una señal reveladora.

Si algo te parece raro, compruébalo en lugar de discutir sobre ello en la sección de comentarios. Pega la letra en el Detector de IA, pasa la voz por el Detector de voz AI, y comprobar si dos señales independientes apuntan en la misma dirección.

Preguntas frecuentes

Veredicto final

Lo que hacen estas herramientas es detectar patrones que pasan demasiado rápido como para captarlos a velocidad normal de escucha, ya sea la firma acústica de una voz sintetizada o la regularidad estructural del lenguaje generado por una máquina, y a continuación te dan una puntuación y un veredicto.

En las siete muestras, el resultado fue rápido, inequívoco y correcto en todas las ocasiones: cuatro temas sintéticos marcados con un 99 %, tres discos de artistas humanos aprobados con un 12 %, un 10 % y un 3 %, y ninguna acusación errónea sobre las muestras en las que una acusación errónea hubiera causado un perjuicio real.

Vale la pena dejar claro este límite, porque exagerar esto no ayuda a nadie. Hemos analizado las letras, y «A Million Colors» es la razón por la que esto sigue teniendo mucha importancia: una canción que engañó a todo un grupo de oyentes solo por la calidad de la producción se delató en cuestión de segundos en cuanto se leyeron las letras.

Pero una pieza instrumental no tiene letra que leer, y un cantante de verdad que interpreta una letra escrita por IA separa ambas capas. El software es tu primera aproximación más rápida, no tu última palabra. Combínalo con los indicios acústicos y las comprobaciones de perfil mencionadas anteriormente y acertarás con mucha más frecuencia de lo que tus oídos lograrían por sí solos.

El cambio más importante es que la transparencia se está convirtiendo en el tema central del debate. Cuando más de la mitad de la música que llega cada día a una gran plataforma es sintética y casi nadie nota la diferencia, la pregunta interesante deja de ser si tú personalmente puedes distinguirla y pasa a ser si alguien se ha molestado en fijarse.

Las etiquetas se están extendiendo, las políticas de las plataformas se están endureciendo y el público se está mostrando cada vez más exigente a la hora de exigir respuestas. Verificar la información se está convirtiendo en una cuestión de buenos modales, más que en una habilidad especializada.

Así que elige la siguiente que te haga reflexionar. Sube la letra a nuestro  Detector de IA, pasa la voz por el Detector de voz AI, y zanjar el asunto en menos de un minuto en lugar de darle vueltas toda la semana.