I. Introducción

Hasta hace pocos años, el doblaje implicaba un proceso artesanal en donde un actor humano grababa su voz en un estudio, el ingeniero de sonido editaba y sincronizaba la pista de audio, y el producto final reemplazaba la pista original para quienes consumían contenido en otro idioma. Sin embargo, con la aparición de tecnologías basadas en redes neuronales -TACOTRON 2, StarGAN-VC, AutoVC, FlowDubber, etcétera- es posible generar réplicas hiperrealistas de voces humanas en cuestión de segundos. Estas “voces sintéticas” pueden modularse, clonarse y distribuirse sin la mediación directa de un actor. La irrupción del AI dubbing en la industria del doblaje no sólo plantea desafíos técnicos, sino que pone en crisis algunas de las categorías jurídicas más consolidadas del derecho de autor. ¿Qué ocurre cuando la voz humana, caracterizada por ser intrínsecamente personal y expresiva, se convierte en insumo para ser clonada? ¿Qué ocurre cuando una máquina no sólo traduce, sino que interpreta? ¿Cómo se redefine el uso de una obra o incluso de una voz cuando se abstrae y transforma algorítmicamente?

Este artículo se inscribe en la encrucijada de ese debate jurídico. Por un lado, la voz humana ha sido considerada un atributo de la personalidad y un objeto de protección, tanto en el derecho de autor como en los derechos conexos cuando se plasma en una obra. Por otro, el advento de la IA generativa introduce un cambio de paradigma: la voz deja de “fijarse” en un soporte humano para convertirse en un insumo algorítmico. La presente investigación analiza la interacción entre las tecnologías de síntesis y transformación de la voz (TTS generativo, voice conversion, voice cloning y los AI dubbing pipelines) y el régimen jurídico del derecho de autor, y revisa su desarrollo técnico y los problemas que plantean para sus categorías. El estudio incorpora la dimensión de la voz como atributo de la personalidad y como dato biométrico, al atender a los riesgos derivados tanto de su utilización como material de entrenamiento, como de la generación algorítmica de salidas que reproducen estilos o identidades vocales de personas determinadas. La hipótesis central es que la síntesis algorítmica vocal desancla a la voz de su corporeidad y coloca al intérprete en un régimen de vulnerabilidad jurídica y laboral no atendido por el derecho vigente. Asimismo, se proponen principios que podrían orientar respuestas regulatorias frente a estos retos.

Metodología y objetivos

La metodología de este trabajo articula un enfoque analítico-descriptivo con un componente técnico-exploratorio y una revisión contextual de precedentes internacionales. El enfoque jurídico-dogmático permite interpretar doctrina, principios y regímenes aplicables a la voz, y el doblaje, así como evaluar su capacidad para responder a fenómenos tecnológicos emergentes. El componente técnico-descriptivo se apoya en literatura especializada en síntesis y transformación de voz para delimitar las cuatro familias tecnológicas estudiadas (síntesis tradicional, clonación vocal, conversión de voz y sistemas inteligentes de doblaje) y precisar sus efectos relevantes para la protección jurídica de la interpretación y la identidad vocal. Finalmente, la revisión contextual de precedentes internacionales se utiliza como método de observación indirecta, no para establecer comparaciones normativas estrictas, sino para identificar patrones, tensiones y riesgos comunes en litigios o controversias derivados del uso de estas tecnologías.

A partir de esta metodología, el análisis se organiza en tres niveles: a) caracterización técnica y jurídica del doblaje humano como punto de partida; b) delimitación conceptual y funcional de las tecnologías de síntesis y transformación vocal, y c) tensiones teóricas y estudio de casos representativos (Roadrunner, SAG-AFTRA vs. Epic Games y Yin vs. Beijing Internet Court) que permiten observar cómo dichas tecnologías operan en contextos reales y qué desafíos plantean para el derecho de autor, los derechos conexos y los derechos de la personalidad. Esta articulación metodológica hace posible formular los problemas centrales del fenómeno y proponer principios que puedan ser incorporados en la solución a dichos retos.

II. Industria del doblaje

El doblaje constituye una de las formas más consolidadas de traducción audiovisual y se ha extendido ampliamente en el ámbito internacional, con especial arraigo en países como Alemania, España, Japón, Brasil o Francia. Sus orígenes se sitúan a finales de los años veinte, cuando la aparición de las películas sonoras (llamados talkies) exigió nuevas formas de traducción, como la sustitución de intertítulos por doblaje o subtitulado en lenguas como el francés, alemán y español (^{Bosseaux, 2018}). ^{Ávila (1997, p. 18)} lo define como “la grabación de una voz en sincronía con los labios de un actor de imagen o una referencia determinada, que imite lo más fielmente posible la interpretación de la voz original”. Su objetivo es producir la impresión de que los personajes en pantalla hablan naturalmente en el idioma de destino (^{Luyken, 1991}), a fin de que esta mediación vocal permita traducir y hacer inteligibles imágenes, sonidos, gestos, emociones e ideas entre individuos y entre naciones (^{Nájar, 2007}). Se trata, entonces, de un proceso intrínsecamente complejo que integra dimensiones lingüísticas y culturales; pero también requerimientos técnicos y artísticos (^{Chaume, 2012}).

Vale la pena señalar que el doblaje es sustancialmente distinto del subtitulado, el cual consiste en incorporar un texto escrito (subtítulos) en el idioma de destino en la pantalla donde se muestra la versión original (^{Ivarsson, 1998}); o del voice over, práctica en donde la pista de audio con la grabación del diálogo original se reproduce a un menor volumen, al mismo tiempo que la pista con la versión traducida (^{Chaume, 2012}). El doblaje pues, supone una sustitución total del canal de voz original (^{Indira Gandhi National Open University, s. f.}).

^{Zabalbeascoa (1997)} destaca que elementos como el lenguaje corporal, las expresiones faciales, los titubeos y el contacto visual influyen decisivamente en cómo un actor de doblaje capta e interpreta el sentido que un hablante pretende transmitir. Estos mismos factores no verbales intervienen directamente en la traducción audiovisual, y condicionan la forma en que el mensaje debe ser trasladado a otra lengua. En ese sentido, y de forma general, Toda señala que “los condicionamientos que tiene la traducción audiovisual la diferencian de otras modalidades, convirtiéndola en una variedad especializada, distinta de la traducción literaria” (^{2005, p. 119}). En consecuencia, el resultado de este proceso no es fruto del azar ni de una ejecución automática, sino de una compleja cadena de producción simbólica, compuesta de múltiples etapas íntimamente relacionadas, y que involucra a diversos participantes como traductores, ajustadores, actores de voz, directores y técnicos especializados (^{Martínez, 2004}). Cada uno de ellos contribuye a que el producto final pueda ser aceptado por una audiencia como una ilusión creíble (^{Matamala, 2010}). El doblaje, en su mejor expresión, es una operación de orfebrería simbólica; un minucioso trabajo en el que cada decisión puede alterar por completo el éxito o fracaso de la recepción de una obra. Esta sofisticación no se limita al ámbito cinematográfico. Como señala ^{Nájar (2007)}, el doblaje también se emplea en publicidad, en videojuegos y materiales digitales que requieren sonorización sincronizada, en dramatizaciones radiofónicas e, incluso, en espectáculos en vivo.

Resulta pertinente entonces, esbozar una breve aproximación a los sujetos y procedimientos intervinientes en este proceso, con el propósito de vislumbrar con mayor nitidez la complejidad que entraña la producción del doblaje. ^{Martínez (2004)} señala que el proceso de doblaje se activa en la fase de preproducción, cuando el cliente entrega al estudio la copia maestra, el guión y las instrucciones técnicas. El jefe de producción envía este material al traductor, quien puede lidiar con guiones incompletos o desalineados con la obra audiovisual. Una vez traducido, el texto suele pasar por una revisión lingüística especializada. Posteriormente, apunta ^{Matamala (2010)}, el texto se sincroniza con las imágenes por otro profesional o por el mismo traductor. En esta fase se ajusta a los movimientos labiales y al ritmo visual mientras se procura conservar el sentido original. Finalmente, el texto sincronizado pasa al departamento de producción, donde se prepara formalmente para su grabación en cabina. ^{Zabalbeascoa (1997)} resalta por su parte que, detalles como

el momento en que se pronuncia (timing) es un factor importante en el doblaje, tanto para el movimiento de los labios como para ciertas situaciones que requieren respuestas especiales con una sincronización especial, por ejemplo, un chiste o un momento dramático culminante. (p. 336)

Una vez iniciada la sesión de grabación, intervienen diversos participantes que asumen funciones altamente técnicas y decisivas para lograr una interpretación efectiva de la obra. Tal como expone ^{Luyken (1991)}, este momento implica la proyección del programa, la entrega del guión traducido, la actuación de los intérpretes bajo la guía del director y la grabación final del performance. Al retomar la clasificación propuesta por ^{Hernández Reséndiz (1996)}, estos roles pueden agruparse del siguiente modo: el actor de doblaje, profesional con formación actoral cuya precisión interpretativa, dicción y capacidad de sincronía sostienen la creación vocal; el director de doblaje, responsable del casting, de guiar la entonación y de asegurar la correspondencia entre la voz grabada y la imagen original; el operador de sonido, técnico que graba, edita e integra la pista doblada al material audiovisual para garantizar una sincronización exacta; y el productor, quien coordina el proyecto en su conjunto, gestiona los recursos técnicos y artísticos y contrata al equipo necesario para cumplir los estándares de calidad y los plazos de entrega.

En consecuencia de todo lo esgrimido, y como señala Palencia, “el doblaje elimina por completo un elemento de la obra original, que son las voces de los actores que los consumidores de productos subtitulados, en cambio, sí perciben” (^{2002, p. 20}). ^{Luyken (1991)} observa que, en determinadas cinematografías, la voz del actor de doblaje puede llegar a asociarse de manera tan estrecha con la figura de una estrella que el público rechaza cualquier sustitución, incluso cuando se trata de producciones distintas. Este fenómeno ilustra hasta qué punto el doblaje ha evolucionado hasta convertirse en un componente simbólico, cultural y económico clave en la circulación internacional de contenidos audiovisuales. Esto da paso a revisar la naturaleza jurídica de los productos provenientes de las labores especializadas implicadas en el doblaje; pues, en efecto, más allá del mero traslado lingüístico, el doblaje constituye un proceso interpretativo y técnico complejo que genera resultados autónomos respecto de la obra primigenia. La voz del actor de doblaje no es un mero canal neutro; imprime matices, emociones y modulaciones que inciden directamente en la recepción estética y narrativa de la obra audiovisual traducida. Por ello, dentro del régimen de derecho de autor, estas contribuciones no se califican como obras nuevas, sino como interpretaciones protegidas por derechos conexos.

III. Naturaleza jurídica del doblaje

Mientras que los derechos de autor protegen a los creadores de obras, los derechos conexos protegen a determinados intermediarios, es decir, a algunos de los responsables de que las obras lleguen al público. ^{Magaña (2019)}, sugiere que estos derechos son una retribución para los artistas, intérpretes, ejecutantes, editores, productores y transmisores de una obra autoral por su participación, actuación, interpretación, promoción o difusión de la obra autoral. En este marco, el objeto protegido es la actuación personal del artista intérprete o ejecutante en un soporte material (^{Lipszyc, 2017}), pues la voz, como fenómeno sonoro y atributo de la personalidad, no es protegible per se por el derecho de autor, sino únicamente en la medida en que forma parte de una obra efectivamente fijada.

Al igual que en materia de derechos de autor, el contenido de los derechos conexos de los artistas son las distintas facultades, tanto de tipo económico como de tipo moral, que se generan automáticamente con la fijación de la actuación y se pueden ejercer sobre las actuaciones de los propios artistas sin perjuicio de la titularidad de la obra audiovisual original ( ^{Parra Trujillo, 2015}). Al respecto, Rangel Medina precisa que, “el intérprete debe frenar su personalidad creadora para subordinarla a la del autor, porque si da autonomía a su interpretación, deja de ser esta para convertirse en una adaptación, que requiere una autorización especial del autor” (^{1998, p. 124}). Bajo esa misma línea argumentativa, la Convención de Roma sobre la protección de los artistas intérpretes o ejecutantes, los productores de fonogramas y los organismos de radiodifusión (¹⁹⁶¹) señala que, se entenderá por: “a) «artista intérprete o ejecutante», todo actor, cantante, músico, bailarín u otra persona que represente un papel, cante, recite, declame, interprete o ejecute en cualquier forma una obra literaria o artística [...]”.

Se deduce de la anterior transcripción que resulta lógico encuadrar que la labor realizada por los actores de doblaje constituye la de un artista intérprete o ejecutante, puesto que, mediante el uso de su voz, representan personajes fijados en una obra audiovisual e interpretan guiones o screenplays previamente incluidos en la misma y transmiten así, con intención dramática, el contenido expresivo del texto original. En este sentido, Lipszyc subraya que, “los intérpretes realizan actividades personales de carácter artístico, motivo por el cual las legislaciones establecen a su favor facultades concernientes a la tutela de su personalidad” (^{2017, p. 243}). Así, la Organización ^{Mundial de la Propiedad Intelectual (2016)} concuerda en que dicho reconocimiento se justifica en la medida en que se considera necesaria su intervención creativa.

De manera general, el derecho moral de los artistas intérpretes o ejecutantes comprende dos facultades principales: la de paternidad, que les garantiza el reconocimiento de su nombre en relación con sus interpretaciones; y la de integridad, que les permite oponerse a cualquier alteración de su actuación que pueda afectar su prestigio o reputación ( ^{Parra Trujillo, 2015}). Asimismo, en el plano económico, esta condición, según lo establecido por la Convención de Roma, otorga a los artistas intérpretes una serie de derechos:

La protección prevista por la presente Convención en favor de los artistas intérpretes o ejecutantes comprenderá la facultad de impedir:

De ahí que, tanto el proceso de doblaje como los resultados interpretativos que genera (las fijaciones sonoras y audiovisuales que encarnan la aportación creativa del intérprete), queden amparados por el sistema dual de protección del derecho de autor y los derechos conexos. El primero, en cuanto tutela la obra originaria adaptada; y los segundos, en cuanto reconocen y procuran la protección a la dimensión creativa, personalísima y diferenciable de la interpretación vocal fijada.

Ahora bien, comprender este armazón jurídico exige no perder de vista las condiciones materiales en que dichas interpretaciones se producen, pues la eficacia real de la protección normativa se ve erosionada cuando los intérpretes operan en contextos marcados por la precariedad. En consecuencia, resulta prudente realizar una breve aproximación hacia el panorama laboral dentro de la industria del doblaje, pues es un hecho que sectores como el actoral enfrentan altos niveles de precariedad e inestabilidad, incluso en países con industrias culturales consolidadas. En España, el Informe Sociolaboral 2023 de AISGE (^{Fundación AISGE, 2024}) muestra que 48 % de los profesionales obtiene menos de 3,000 euros anuales por su labor actoral, lo que obliga a más de la mitad a buscar empleos adicionales y los mantiene en condiciones cercanas al umbral de pobreza. En el Reino Unido, el estudio de la University of Exeter (^{Pavis, Tulti y Pye, 2019}) identifica un mercado caracterizado por baja formalización contractual, escaso conocimiento de derechos de PI, débil representación sindical, fragilidades exacerbadas por plataformas peer-to-peer configurando un escenario particularmente permeable a los desarrollos tecnológicos recientes, incluida la incorporación de sistemas de inteligencia artificial. El panorama argentino refleja patrones similares: remuneraciones promedio de apenas 1,500 pesos por episodio (cerca de 7.5 dólares como único pago), creciente informalidad y presión por abaratar costos, condiciones que, según ^{Fleischer (2022)}, han normalizado prácticas laborales que comprometen derechos básicos de actores y actrices de voz.

Esta situación no sólo exhibe la fragilidad estructural de la seguridad económica del sector, sino que también revela una exposición creciente a transformaciones tecnológicas capaces de amplificar la ya volátil arquitectura de incertidumbres que atraviesa.

IV. La voz como derecho

En un plano más elemental, la voz humana nace de un proceso estrictamente corporal. La energía cinética del aire que asciende desde los pulmones impulsa la vibración rítmica de las cuerdas vocales, cuya apertura y cierre alternado produce el flujo glotal necesario para que emerjan los sonidos que conforman el timbre singular de cada individuo (^{Chen, 2016}). Cavarero afirma incluso que, “desde la escena materna en adelante, la voz manifiesta el ser único de cada ser humano y su autocomunicación espontánea según los ritmos de una relación sonora” (^{2005, p. 173}). Esta dinámica, determinada materialmente por la fisiología de cada individuo, resulta entonces indisociable de la identidad corporal y expresiva de la persona. Hecho que, por consiguiente, sugiere que toda voz es, antes que un signo comunicativo, una emanación material y única cargada de matices emocionales, sociales y culturales. En este contexto, se vuelve necesario examinar cómo el derecho ha abordado la voz no sólo como medio de expresión artística, sino también como atributo de la personalidad protegido en el marco del derecho de imagen y del dato biométrico.

A partir de estas coordinadas, doctrinarios como Flores Ávalos y Pérez García definen el derecho de imagen “como el derecho de la personalidad -por ende, derecho subjetivo- que faculta a la persona para impedir que su apariencia física y/o su voz sean reproducidas de cualquier manera si ella no otorga su consentimiento” (^{2019, p. 5}). Por su parte, ^{Nogueira Alcalá (2007, p. 261)} define que, esto sucede “en la medida que expresan cualidades morales de la persona y emanaciones concretas de su dignidad de ser humano, configurando su ámbito personal e instrumento básico de su identificación, proyección exterior y reconocimiento como ser humano”. En este sentido, el derecho a la imagen se extiende a toda forma de representación, captación, reproducción o difusión de la figura o voz humanas, sin importar el medio utilizado, su propósito o duración en el tiempo. Esta facultad confiere a su titular un control exclusivo sobre el uso de dicha representación, siempre dentro de los márgenes establecidos por la ley (^{Trujillo Cabrera, 2024}).

Paralelamente, la doctrina ha subrayado que la voz opera también como un atributo biométrico. ^{Jasserand (2016)} explica que características biométricas como el rostro, las huellas digitales o la voz comparten rasgos distintivos y repetibles que permiten identificar a un individuo mediante la medición y comparación de patrones específicos. En una línea similar, ^{Pizzolo (2025)} sostiene que los datos biométricos transforman radicalmente la relación entre cuerpo e identidad al volver mecánicamente legibles las cualidades fisiológicas y conductuales de la persona, permitiendo así su identificación unívoca, pero exponiéndola al mismo tiempo a riesgos agravados cuando dicha información se utiliza de forma indebida.

Con ello, se amplía el espectro de protección hacia componentes sonoros e intangibles que si bien no son visibles ni constituyen expresión artística por sí mismas, sí implican expresiones esenciales de la identidad personal. La voz, en particular, se configura como una huella acústica que permite reconocer y singularizar a un individuo. En consecuencia, al tratarse de una manifestación de la personalidad, resulta intransmisible, irrenunciable e inembargable. Por lo que, aunque se admita la posibilidad de explotar ciertas manifestaciones del individuo, lo que realmente ocurre es una cesión limitada de esos aspectos. No se trata de una disposición absoluta ni integral de los elementos que conforman el derecho a la propia imagen (^{Ordelín, 2023}). Por ende, su apropiación indebida o uso no autorizado podría traducirse en conductas que lesionan la dignidad humana, al afectar directamente la esfera más íntima y representativa del sujeto.

Así pues, la centralidad de la voz como manifestación identitaria ha llevado a distintos ordenamientos a integrarle dentro del catálogo de atributos protegidos de la personalidad. Aunque los enfoques varían, emerge un consenso incipiente en torno a su carácter representativo y a la necesidad de evitar su apropiación o explotación no consentida:

De esta forma, ya sea bajo el derecho a la imagen, la privacidad, los datos biométricos o los derechos de la personalidad, emerge un consenso normativo que reconoce que la voz no es un mero sonido intercambiable, sino una manifestación singular anclada a la persona y a su dignidad. La sofisticación de herramientas de síntesis y transformación vocal introduce pues, tensiones inéditas entre innovación y tutela de la personalidad. De ello se colige que el uso indebido de la voz trasciende el plano patrimonial. Así, aunque este artículo no abordará de manera específica el fenómeno de los deep fakes¹ de voz, conviene tenerlo presente como un escenario paradigmático en el que estos riesgos se intensifican y se vuelven más visibles.

V. Voces artificiales

En este punto, resulta inevitable advertir que la comprensión jurídica de la voz como emanación corpórea, atributo de la personalidad (imagen) y vector indisociable de identidad, se tensiona de manera creciente frente al advenimiento de tecnologías capaces de desmaterializarla, modularla y replicarla con una precisión otrora impensable. Esta intersección marca un umbral en el que la voz deja de ser únicamente un fenómeno fisiológico para convertirse también en un objeto técnico manipulable.

La investigación en síntesis de voz tiene raíces que se remontan al siglo XVIII, cuando surgieron los primeros dispositivos conocidos como têtes parlantes o “cabezas parlantes”, intentos mecánicos rudimentarios por emular la voz humana (^{Parssinen, 2007}). Desde entonces, la síntesis de voz, o speech synthesis, reúne un conjunto de tecnologías que reconfiguran la producción sonora mediante arquitecturas capaces de generar, imitar o transformar voces humanas. Desde los modelos TTS tradicionales hasta la clonación, la conversión y los sistemas integrados de AI dubbing, estas técnicas descomponen la voz en unidades acústicas manipulables y la reconstruyen como un simulacro verosímil de identidad vocal.

Antes de abordar la síntesis del habla como fenómeno que ha impactado la práctica del doblaje y consigo los derechos relacionados, conviene establecer algunas definiciones técnicas básicas que permitirán comprender el alcance de los procesos automatizados involucrados:

En esta clave interpretativa, el despliegue contemporáneo de voces sintéticas o artificiales debe comprenderse como el resultado acumulativo de casi un siglo de exploración técnica desde que las primeras pruebas que se centraron en imitar patrones del habla humana mediante la síntesis basada en reglas durante el periodo comprendido entre los años 1930 y 1980 (^{Jurcys et al., 2024}). De esta forma, dicha evolución estuvo marcada por hitos clave que transformaron la relación entre voz y tecnología:

Al respecto, Kadam et al. apunta que, “en los últimos años, la clonación de voz ha experimentado avances extraordinarios, impulsados por la aplicación de técnicas como deep learning. Abriendo oportunidades innovadoras para la interacción humano-máquina, así como la personalización y creación de contenidos” (^{2024, p. 1}). De este modo, aunque esta tecnología se emplea desde hace décadas como herramienta de apoyo en situaciones diversas como asistentes de voz, lectores de pantalla, navegación GPS, aprendizaje de idiomas y atención telefónica automatizada, entre otras (^{Fraganillo, 2023}), usos que antes eran experimentales y periféricos se han consolidado como una tecnología con potencial disruptivo en industrias creativas como el doblaje, lo que desdibuja los límites entre interpretación humana y síntesis algorítmica.

VI. AI dubbing

El despliegue de voces artificiales no sólo amplifica la capacidad técnica para generar, imitar o transformarlas, sino que supone una variedad de tensiones sobre los distintos regímenes de protección relativos a la voz, y en este caso a su proyección hacia la práctica del doblaje. En primer lugar, los sistemas TTS tradicionales generan voces genéricas sin anclaje identitario, lo que sugiere retos mínimos vinculados únicamente al estatuto autoral del texto de entrada, ya que su uso puede ser autorizado o no. No obstante, al avanzar hacia modelos más sofisticados, los sistemas de voice conversion, al explícitamente transformar interpretaciones humanas en otras voces y estilos, introducen retos que abarcan desde la posible creación de obras derivadas, el uso no autorizado de obras en el entrenamiento, hasta el plagio de obras en los outputs (^{Kyi et al., 2025}), o la imitación directa de identidades vocales preexistentes (^{Fraganillo, 2023}).

Aún más complejos son los modelos de voice cloning, pues desplazan el problema hacia la apropiación algorítmica del timbre, estilo y presencia acústica de un sujeto, convirtiendo la voz en un dato biométrico susceptible de reproducción y uso sin intervención del titular. Este desanclaje del control personal enfatiza el problema central del consentimiento y la privacidad (^{Genelza, 2024}), pues la extracción, entrenamiento o uso ulterior de la voz puede ejecutarse sin autorización válida y erosionar la autodeterminación expresiva.

Finalmente, en el extremo más integrado del espectro, los AI dubbing pipelines incorporan traducción, alineación, síntesis y sincronía labial en un solo flujo computacional, habilitando la generación de simulacros completos (^{Gilman y Willick, 2025}) de interpretación en otros idiomas, capaces de reproducir ritmo, intención y estructura expresiva del doblaje original. Sin embargo, desde una óptica autoral, la automatización integral del proceso de doblaje obliga a interrogar la naturaleza jurídica del output resultante. Desde el prisma del derecho de autor continental, la noción de obra exige una aportación creativa humana, y la categoría de obra derivada presupone igualmente un ejercicio humano de transformación (^{Lipszyc, 2017}). Los AI dubbing pipelines, sin embargo, producen resultados complejos sin que medie una intervención creativa directamente atribuible a una persona física; lo que tensiona las categorías autorales clásicas, ya que el resultado no es la interpretación de un artista (por tanto, no puede ampararse en derechos conexos), pero tampoco califica, sin más, como obra derivada, pues carece de la impronta creativa humana que las legislaciones exigen.

En articulación con lo precedente, su capacidad para amalgamar voz, gesto y timing actoral no sólo incrementa los riesgos de sustitución económica en industrias como el doblaje (^{Thomas, 2024}), sino que exacerba peligros como suplantación identitaria; más aún cuando, como advierte ^{Bernabo (2025)}, estas herramientas permiten replicar voces originales o seleccionar voces artificiales afines a partir de bancos construidos mediante la cesión indefinida de la voz del intérprete, capturada y modelada a partir de breves sesiones de grabación.

A pesar de este panorama, existen autores, como es el caso de ^{Genelza (2020)}, quien plantea que la clonación de voz mediante IA puede abrir cauces expresivos inéditos, habilitar formas ampliadas de participación para personas con diversas discapacidades y, en términos más amplios, contribuir a una comunidad global más accesible, inclusiva y comunicativamente interconectada. A su vez, Bhawani ^{Niroula (2023)}, divisa que su incorporación en el ámbito del doblaje y la actuación vocal ha generado transformaciones significativas, ampliando las posibilidades creativas y redefiniendo dinámicas de trabajo. Esto supondría un abanico de posibilidades que resultan atractivas en la industria, como son el caso de: a) una creación más diversa y auténtica de personajes, al servir la IA como auxiliar en permitir caracterizaciones más complejas; b) optimización de flujos de trabajo y eficiencia al poder automatizar tareas, ofrecer feedback en tiempo real y fortalecer procesos de grabación y edición; c) mayor colaboración y conectividad a nivel global; d) evolución en la remuneración de las estructuras involucradas en el doblaje en razón de la reducción de costos de producción y la optimización de los flujos de trabajo, y e) coexistencia del arte y la innovación de la inteligencia artificial como herramientas para complementar el proceso creativo.

Así, y de manera fiel a la lógica hipercapitalista que impera en la industria cultural, el uso de tecnologías de inteligencia artificial en la industria audiovisual cobra una presencia cada vez más significativa, al transformar prácticas tradicionales de doblaje, narración y posproducción. Como anticipa ^{Matamala (2019)}, la evolución tecnológica no sólo diversifica las modalidades de acceso a los contenidos, sino que también reconfigura las preferencias del público, al moldear de nuevas maneras la forma en que las audiencias consumen y perciben los productos audiovisuales.

Ejemplos recientes lo evidencian. En ^{Fall (2022)}, se empleó visual dubbing de la empresa Flawless para adaptar diálogos a diversos idiomas, así como para ajustar digitalmente los movimientos faciales de los actores para sincronizar con el nuevo audio, sin necesidad de regrabar escenas ni aplicar efectos visuales costosos (^{Altunin, 2023}). En ^{The Andy Warhol Diaries (2022)}, se utilizó clonación de voz autorizada a través del software de Resemble AI para recrear la voz del artista y narrar la serie en primera persona (^{Resemble AI, 2022}). Y en el videoclip ^{Wake Me Up (2024)}, la voz de Aloe Blacc fue clonada en cinco idiomas distintos por el programa Reespecher, al recombinar inteligencia artificial con sincronización facial para lograr una interpretación multilingüe, sin regrabación vocal directa (^{Respeecher, 2024}). Estos casos reflejan el alcance técnico, comercial y simbólico de la síntesis vocal algorítmica en contextos de alta visibilidad.

VII. Casos de estudio

Bajo este contexto, y en continuidad con los retos teóricos previamente expuestos, los tres casos que siguen muestran las manifestaciones materiales de dichas tensiones, evidenciando conflictos jurídicos y éticos en torno a la clonación de voz que también repercuten directamente en la industria del doblaje.

VIII. Retos y el futuro del doblaje ante el AI dubbing

Los hallazgos doctrinales y empíricos convergen en al menos tres grandes retos:

Al respecto, ^{Durand (2020)} ya preveía que el ser humano potenciado por la era digital no es menos vulnerable al dominio de los algoritmos que el ser humano tradicional lo fue al poder de las instituciones. En la misma línea, ^{Jurcys et al. (2024)} advierten que las tecnologías de síntesis vocal desbordan los supuestos que sustentan la protección de la personalidad. Esta reconfiguración sociotécnica revela los límites vigentes y exige “un nuevo contrato social con la tecnología y los principios fundamentales que nos permitan desarrollar un marco regulatorio y unas normas adecuadas para abordar los retos únicos que plantea la IA de voz” (p. 6).

Al mirar al futuro, el doblaje se encamina hacia flujos de trabajo híbridos donde la síntesis algorítmica reducirá costos y hará más eficiente los procesos de grabación y edición. Sin embargo, de no articularse un estricto marco jurídico de observancia obligatoria que combine consentimiento verificable, reparto justo de regalías y responsabilidades solidarias a lo largo de la cadena técnica, la promesa de diversidad lingüística podría derivar en lo que Yanis ^{Varoufakis (2024, p. 115)} denominó “tecnofeudalismo” que consolide la desposesión creativa. Este fenómeno implicaría la concentración del control sobre voces y datos expresivos en manos de plataformas y desarrolladores tecnológicos, que operan como nuevos señores digitales, extrayendo valor simbólico y económico de múltiples intérpretes sin garantizar contraprestaciones equitativas. Bajo esta lógica, los flujos algorítmicos propios de modelos AI terminan por oscurecer el trabajo crucial de los intérpretes, permitiendo eludir el escrutinio moral y jurídico que debería protegerlos. La labor humana queda así disfrazada como un insumo no humano apropiado por las plataformas, lo que facilita su invisibilización y consolidación como un objeto técnico más dentro del aparato productivo (^{Thomas, 2024}).

Por el contrario, si se abren rutas regulatorias y contractuales innovadoras, la inteligencia artificial podría consolidarse en una herramienta que expanda la expresividad humana y el acceso multilingüe al contenido audiovisual. En este contexto, la protección de la integridad artística implica no sólo reconocer la autoría humana, sino garantizar que las tecnologías no disuelvan la agencia del creador bajo la apariencia de innovación.

Así, frente a estos tres retos convergentes (la fragilidad del consentimiento, la precarización y desplazamiento laborales, y la incertidumbre sobre la titularidad del clon vocal), una vía preliminar de aproximación que podrían tomar los ordenamientos ante una posible ajuste es la Regla de las 3C (consentimiento, crédito y compensación) propuesta por el ^{Cultural Intellectual Property Rights Initiative (2018)}. Si bien esta regla nace para proteger expresiones culturales y saberes tradicionales frente a prácticas extractivas, su lógica estructural resulta sorprendentemente afín a los dilemas que plantea la síntesis algorítmica de la voz, toda vez que en ambos contextos existen una asimetría radical de poder, un riesgo de apropiación unilateral y una tendencia a convertir identidades expresivas (manifestaciones culturales o timbres vocales) en inputs desanclados de su origen humano. Bajo esta clave, el consentimiento exige procesos claros, informados, revocables y verificables que superen el modelo opaco del “consentimiento fantasma”; el crédito obliga a reconocer la procedencia humana y la agencia creativa que subsiste incluso cuando la interpretación se desmaterializa en datos, y la compensación reintroduce una dimensión distributiva indispensable para evitar que la automatización socave todavía más la posición negociadora y el sustento económico de trabajadores del doblaje (^{Kyi et al., 2025}).

Permitir que la identidad vocal se degrade a un mero recurso computacional implica despojar a los intérpretes de su agencia creativa (^{Thomas, 2024}). Sobre esta premisa, y en consonancia con la Regla de las 3C, ^{Jurcys et al. (2024)} sostienen que cualquier nuevo arreglo normativo frente a la IA vocal debe partir de salvaguardar la dignidad humana, y reconocer la voz como un componente esencial de la identidad personal en el ecosistema digital. A ello se suma la necesidad de establecer estándares éticos que prioricen autorización efectiva, resguardo de la confidencialidad y deberes claros de información como condiciones mínimas para un uso justo de estas tecnologías (^{Genelza, 2024}).

Sin embargo, sólo a través de un enfoque verdaderamente interdisciplinario y colaborativo será posible alcanzar soluciones equilibradas; normativas que protejan la dignidad de la voz, protocolos técnicos que garanticen transparencia y justicia laboral que impida la precarización masiva. Es entonces imperativo emprender proyectos piloto y foros de diálogo, para que en los próximos años se pueda constituir un cuerpo de conocimiento robusto y soluciones concretas que sirvan de guía tanto a legisladores como a la industria y a los intérpretes. Estas líneas de acción no deben asumirse como restricciones al desarrollo tecnológico, sino como condiciones mínimas para una convivencia equitativa entre la innovación algorítmica y la dignidad artística, que preserve la expresividad humana como un valor irreductible, incluso en contextos profundamente mediados por la automatización.

IX. Conclusiones

El panorama contemporáneo del doblaje revela un punto de inflexión histórico. Tras décadas de evolución técnica, la irrupción de la síntesis algorítmica de voz ha introducido un umbral inédito: el AI dubbing. Estas tecnologías ya no se limitan a asistir el proceso tradicional, sino que generan voces hiperrealistas capaces de modularse, clonarse y distribuirse en cuestión de segundos. Ello amplifica la promesa de accesibilidad multilingüe y eficiencia industrial, pero también reta la arquitectura jurídica que tradicionalmente amparaba la interpretación humana.

En este nuevo ecosistema, la voz se vuelve dato entrenable y reutilizable, al normalizar prácticas de extracción y replicación bajo lógicas de optimización. A partir del análisis técnico y jurídico realizado, así como del estudio de los casos Roadrunner, SAG-AFTRA vs. Epic Games y Yin vs. Beijing Internet Court, emergen con nitidez tres retos centrales: a) la fragilidad del consentimiento frente a la clonación y reutilización algorítmica de voces, incluida la posibilidad de usos póstumos o no informados; b) el desplazamiento y la precarización laborales derivados de la sustitución técnica de intérpretes sin mecanismos de transición, negociación ni reparto de beneficios, y c) la incertidumbre en torno a la titularidad simbólica y jurídica del clon vocal, especialmente cuando éste reproduce de manera sustancial la identidad acústica de una persona concreta. Todo ello revela que los marcos actuales de derechos de autor, derechos conexos, derechos de la personalidad y protección de datos biométricos ofrecen herramientas importantes, pero fragmentarias, frente a las nuevas formas de desposesión expresiva habilitadas por la síntesis vocal algorítmica. Así, el desafío planteado por el AI dubbing no es meramente técnico ni estético, sino jurídico, ontológico y político.

Los hallazgos del trabajo muestran que la síntesis algorítmica vocal no sólo reconfigura procesos técnicos, sino que produce un desanclaje de la voz respecto de su corporeidad que deja al intérprete expuesto a una vulnerabilidad jurídica y laboral para la cual el derecho vigente carece de respuestas efectivas. Estos hallazgos no pretenden ofrecer un cierre definitivo ni una reforma exhaustiva del sistema, sino delinear las tensiones conceptuales que revelan la insuficiencia del andamiaje actual cuando la voz se desancla de su soporte corporal y se reconfigura como insumo algorítmico. En este contexto, la Regla de las 3C (consentimiento, crédito y compensación) y las propuestas de un “nuevo contrato social” para la voz permiten esbozar un marco mínimo de gobernanza: exigir consentimiento efectivo, revocable y verificable; garantizar reconocimiento explícito del origen humano de las voces que alimentan los modelos, y articular esquemas de compensación que eviten que la automatización se traduzca en desposesión económica y simbólica de quienes sostienen la industria del doblaje.

En suma, el artículo muestra que la voz no puede ser degradada a residuo digital ni reducida a simple recurso computacional. Incluso en su forma sintética, continúa siendo una huella de identidad que exige protección frente a dinámicas que la invisibilizan o la instrumentalizan. Reconstruir un marco de protección acorde con las condiciones del AI dubbing no es un lujo normativo, sino una condición mínima para que el doblaje, en la era de las voces artificiales, permanezca como espacio de mediación artística y no como laboratorio de desposesión creativa.