识别总是先于核实
听觉记忆追求效率。大脑会把音色、语速和有特点的停顿与储存的声音样本进行匹配，在你来得及提出疑问前，就给出“这是妈妈”的答案。这不是轻信，而是正常的识别机制：在日常生活中，声音几乎从不撒谎，每次都重新核实，代价太高。
问题在于，识别会同时启动一整套预期。声音既然是熟悉的，意图就应该也是熟悉的，情境应该是清楚的，请求也应该是合理的。你回应的已经不只是一个声音，而是你和这个人之间的全部关系经历。骗子利用的正是这一整套预期。
只能证明声音与记忆中的样本相匹配。
你补全了这些信息：确实是那个人，他没事，是自愿打来的，而且说的是真话。
过去，这两栏之间的差距很小：伪造声音很难。现在，只要有一段公开主页上的短录音，差距就被拉大了。改变的不是心理机制，而是伪造的成本。
接下来起作用的不是声音，而是慌乱
熟悉的音色本身不会推动你做任何事。它只是移除了第一道障碍。接下来几乎所有骗局的套路都一样：紧迫感让你没时间思考；保密要求让你没法找别人核实；还有一个必须立刻完成的请求。
每个环节都针对同一种能力：停下来核实。紧迫感吞掉时间。保密要求切断第二意见。熟悉的声音还会让核实这件事本身显得尴尬：谁会回拨妈妈的电话，只为确认对方是妈妈？
- 识别
- 紧迫感
- 保密
- 请求
如果一段对话中四个环节全都出现了，不管你听到的是谁的声音，这本身就是一个信号。亲近的人等得了2分钟。施压套路等不了，所以它不会给你这段暂停时间。
这件事有多可靠的依据
人们很难区分合成语音和真实语音，这一点已经在实验中得到测量：参与者的判断准确率高于随机水平，但大约每4次就会错1次，而短暂训练只能带来一点帮助。这是实验室中的结果，不是人在恐慌中的通话：录音很短，只涉及几种语言，没有压力，声音背后也没有熟悉的关系经历。
听觉不太可靠，难以识别伪造声音：目前测量仍然不多，而且都在实验室条件下进行
这并不会改变结论的方向，反而更说明问题：在真实对话中，面对紧迫感和焦虑，你不会比在实验室里听得更仔细。不要把自己的听觉当成判断真伪的专家。
在 Miqo App 里读完全文
再读 1 分钟就能读完，文末有测验。 在“心理学 → 社会工程学”中查找
用手机相机扫描这里，即可打开 App Store 或 Google Play。
来源
- Mai K. T.等，《警告：人类无法可靠识别语音深度伪造》，PLOS ONE，2023；关于影响原理，参见R. Cialdini，《影响力》。