¿Existen aplicaciones de conversión de voz a texto que almacenen lo que digo?

Hay algunas aplicaciones de conversión de voz a texto (speech-to-text) que sí almacenan nuestros dictados o conversaciones en la nube, es decir que guardan estos archivos en bases de datos fuera de nuestros dispositivos, una acción que puede traer consigo algunos problemas, si no tomamos las precauciones pertinentes.

En las siguientes líneas explicaremos por qué almacenan lo que digo las aplicaciones de conversión de voz a texto y si pueden hacerlo.

¿Pueden las aplicaciones de conversión de voz a texto almacenar lo que decimos?

Sí, las aplicaciones de conversión de voz a texto pueden almacenar lo que decimos, siempre que cuenten con nuestro consentimiento explícito para ello, puesto que la voz puede identificarnos y se considera un dato personal, que incluso en algunos contextos puede tener también la categoría de dato especialmente protegido (la voz es un dato biométrico), sería el caso, por ejemplo, si el reconocimiento de voz se usa como medio de autenticación o identificación de una persona.

Por lo tanto, cualquier aplicación que empleé una función de conversión de voz a texto, como puede ser WhatsApp con sus audios o un asistente virtual como Alexa o Siri, que hacen uso de este tipo de software para poder procesar nuestras órdenes y comandos, debe cumplir con la Ley Orgánica de Protección de Datos y el RGPD para poder tratar la voz de sus usuarios de forma legal.

Cumplir esta normativa implica, entre otras medidas, recabar el consentimiento del usuario para poder tratar sus datos personales, incluida la voz, así como informar a los usuarios de la finalidad del tratamiento, el plazo de conservación de los archivos y de qué otros usos podrían tener los datos cedidos.

¿Por qué las aplicaciones de conversión de voz a texto almacenan lo que digo?

Las aplicaciones de conversión de voz almacenan las conversaciones porque es necesario para poder procesarlas y producir la transcripción de audio a texto.

Cuando usamos una aplicación de conversión de voz a texto, los audios son subidos a la nube, a los servidores que utiliza la empresa detrás de la aplicación en cuestión, de manera que esos archivos de audio puedan ser procesados por ordenadores mucho más potentes que nuestro smartphone y un sistema de inteligencia artificial (IA), que es lo que se encarga de reconocer palabras y transcribirlas con mayor o menor acierto, en función de su entrenamiento y capacidades técnicas.

Así mismo, también debemos tener en cuenta que para poder mejorar sus aplicaciones y los sistemas de IA sobre los que funcionan, muchas compañías pueden usar esos archivos de audio para seguir entrenando el modelo (aunque esto es algo de lo que deben informarnos en la política de privacidad correspondiente).

El proceso es el mismo para los asistentes virtuales y cualquier otra aplicación, programa o herramienta que use el reconocimiento de voz.

Por lo tanto, cuando usamos este tipo de aplicaciones o programas, nuestros audios no se quedan dentro de nuestro dispositivo, sino que son subidos a los servidores de las empresas responsables del tratamiento.

¿Qué problemas tiene que los conversores de voz a texto guarden las conversaciones?

El hecho de que los archivos de audio con nuestra voz se envíen a servidores puede plantear varios problemas, especialmente si las empresas detrás de estas aplicaciones no cumplen con todas las obligaciones de la normativa de protección de datos o no aplican las medidas de seguridad técnicas y organizativas necesarias para garantizar la confidencialidad de esas grabaciones.

Entre esos problemas, cabe destacar los siguientes:

• Privacidad: Si el responsable de la aplicación no indica en la política de privacidad cómo y para qué se usarán los audios de voz facilitados para el funcionamiento de la aplicación o software de reconocimiento de voz, estaríamos, hasta cierto punto, ante una invasión de la privacidad, ya no solo porque la voz sea un dato personal que nos puede identificar, sino también porque podemos estar compartiendo sin saberlo información confidencial y privada con terceros de los que no tenemos conocimiento; por ejemplo, la empresa detrás de una de estas aplicaciones podría contratar a terceros para transcribir los audios, de manera que habría personas que tendrían acceso a esa información (es lo que reveló una investigación de Bloomberg sobre Meta en 2019).
• Seguridad: Que estos archivos de audio con nuestras conversaciones o dictados estén subidos a la nube supone también un problema de seguridad, ya que están expuestos a posibles brechas de seguridad y sufrir una fuga de datos. Si los archivos y los datos asociados no están debidamente protegidos, por ejemplo, mediante cifrado, esto podría conducir no solo a la difusión de información confidencial, sino también de datos personales (si bien es delito difundir conversaciones privadas, el mero hecho de hacer pública cierta información de carácter confidencial o personal podría tener consecuencias negativas para las víctimas).
• Clonación de voz: Derivado del problema anterior, una fuga de información que afecte a los archivos de voz, podría utilizarse para clonar la voz de las personas y utilizarla para la suplantación de identidad, uno de los peligros de la IA actualmente, ya que bastan unas pocas muestras de voz para poder clonarla y usarla con diferentes fines maliciosos.
• Aplicaciones fraudulentas: Aunque las aplicaciones de conversión de voz a texto más conocidas son legítimas y en mayor o menor medida cumplen con las leyes, existen otras aplicaciones que se publicitan como conversores de voz, pero en realidad su objetivo es hacerse con nuestros datos personales, información confidencial e incluso muestras de nuestra voz.

¿Cómo evitar que los conversores de voz a texto almacenen mis audios?

Algunos conversores de voz a texto permiten desactivar la función de almacenamiento de audios y transferencia a la nube, es decir, que pueden funcionar off-line, si bien nos advertirán que no serán tan precisos y que pueden cometer fallos.

Para desactivar esta función, tendréis que ir a los ajustes de la aplicación o programa y configurarlo para trabajar off-line o para que no se envíen los audios a la nube.

Sin embargo, hay otros conversores de voz a texto que no tienen esta opción y en los que no podremos evitar que se envíen los archivos de audio a la nube para ser procesados. En estos casos, lo que debemos hacer es informarnos bien sobre cómo funciona la aplicación, cómo gestiona nuestros audios y para qué otras finalidades pueden usarlos (por ejemplo, para entrenar su modelo de IA).

Por lo tanto, debemos:

• Elegir una aplicación o programa de conversión de voz a texto o asistente virtual de confianza.
• Leer con detenimiento su política de privacidad y asegurarnos de que son claros y transparentes respecto a lo que van a hacer con nuestros datos y nuestros audios.
• Si es posible, utilizar la aplicación o programa sin conectarnos a internet.
• Evitar compartir información confidencial o sensible al usar estas aplicaciones o programas (especialmente, no compartas en estos audios contraseñas, cuentas de usuario o datos de tu tarjeta bancaria).

En definitiva, la mayoría de aplicaciones de conversión de voz almacenan lo que dices y lo envían a servidores en la nube, por lo que si quieres usarlas, revisa siempre la política de privacidad e infórmate sobre qué hacen con tus datos.