3 秒就能複製你的聲音，FBI 證實 AI 詐騙飆增：責任在機構不在阿嬤

AI 聲音克隆只要 3 秒錄音就能以假亂真，FBI 首度把 AI 詐騙單獨列為犯罪類別，一年損失逼近 9 億美元，其中三分之一以上受害者是 60 歲以上長者。
（前情提要：馬斯克 xAI 推出「極速聲音克隆」Custom Voices：自然說話 1 分鐘打造個人專屬 Grok 聲優）
（背景補充：中國AI詐騙案例：換臉、變聲打視訊，10分鐘騙走台幣2千萬）

本文目錄

當電話那頭傳來女兒的哭聲，美國佛州 Dover 的退休老太太雪倫（Sharon Brightwell）就已經失去了所有防備。2025 年夏天，她聽見女兒 April 帶著哭腔說自己出了車禍、被警方拘留；接著「律師」上線，開口就要 1.5 萬美元保釋金，還警告她別把用途告訴銀行。

她照做了。直到聯絡上正在上班、根本沒出過車禍的女兒，她才明白：電話裡的哭聲、語氣、換氣的節奏，全部出自一台機器，而複製這一切，只需要 3 秒的錄音。

今年 4 月，FBI 旗下 IC3 公布 2025 年度報告，26 年來首度把「AI 相關詐騙」單獨列為一類：逾 22,000 件申訴、調整後損失超過 8.93 億美元，其中 3.52 億美元的受害者是 60 歲以上族群，全美網路犯罪損失一年暴增 26%，60 歲以上就佔 77 億美元，年增近 60%。

FBI 自己都承認，這只是「地板價」，因為多數受害者根本不知道剛剛跟自己講話的是演算法。國際刑警組織的統計更驚人：2025 年全球金融詐騙損失達 4,420 億美元，相當於丹麥一整年的 GDP，AI 加持的詐騙比傳統手法多賺 4.5 倍。

三秒鐘，一個打勾

技術門檻低到近乎於零。一段語音信箱留言、一支生日影片、一則 TikTok，就足夠餵給聲音克隆模型。

Consumer Reports 在去年評測了 Descript、ElevenLabs、Lovo、PlayHT、Resemble AI、Speechify 六家工具，發現多數缺乏有意義的防濫用機制；六家裡有四家，用戶只要打勾聲稱「我有權克隆這段聲音」就能生成，連驗證都省了。ElevenLabs 算是相對嚴謹，設有分類器、可追溯紀錄、封鎖特定人物聲音等多層防護，但這些機制幾乎都是事後追查，等到聲音已經被複製、電話已經打出去，防護才開始運作。

更糟的是，連辨識合成語音的人類專家都撐不住了。加州大學柏克萊分校教授 Hany Farid，公認是全球最強的深偽鑑識權威，但他今年 6 月接受《紐約時報》專訪時坦承，自己已經連自己的測試都通不過：「我覺得我快瞎了。」

別再教阿嬤懷疑孫子的聲音

被鎖定的是老年人，不是因為他們笨，而是因為他們是效率最高的目標：存款餘額高、習慣把電話當成真實世界的延伸、對聲音克隆這種技術幾乎一無所知，而且對家人的愛，正是這場詐騙唯一想利用的弱點。

語音安全公司 Pindrop 的 Amit Gupta 說得直白：「目標不是完美複製聲音，而是製造足夠的情緒不確定與急迫感，讓受害者在查證前就先行動。」費城律師 Gary Schildhorn 本人也中招，他事後說：「我到死都會發誓那就是你的聲音。」連受過訓練、專門質疑證據的律師都被騙倒，更別說一位聽見孫子哭喊「被綁架了」的阿嬤，水牛城的 Liz Benz 形容那是「整整二十分鐘的恐懼」。

FTC 在去年 12 月的報告指出，60 歲以上族群通報的詐騙損失，2020 到 2024 年間翻了快 4 倍，達約 24 億美元，其中 68% 來自單筆超過 10 萬美元的損失；若把不敢通報的黑數算進去，FTC 自己估計真實年損可能高達 815 億美元。

目前業界最常見的建議，是全家約定一個安全暗號，電話裡對不出來就結束通話，立意良善，但這卻等於把攔截一整套工業化詐騙產業鏈的責任，丟給一個正在崩潰邊緣的老人。

讓機構痛，機構才會蓋牆

這就是不對稱的本質。Adaptive Security 執行長布說得精準：「一個人在房間裡敲鍵盤，就能製造出無限多個攻擊者。」自動化系統幾乎零成本量產詐騙電話，防守的一方卻只有一位受到驚嚇的老人，和一通電話的時間。

唯一被證明有效的，是銀行這一關。英國支付系統監理局（PSR）2024 年 10 月起，強制銀行為授權推送付款詐騙全額賠付受害者，收付雙方銀行各賠一半，上限 8.5 萬英鎊。制度上路後，被詐金額的賠付比率從過去的 65%，一路升到 89%。邏輯很簡單：銀行一旦要為詐騙埋單，就有動機去攔截大額提款、給老客戶設冷靜期、讓行員多打一通電話確認。

歐盟 AI 法案的相關義務已在 2025 到 2026 年陸續生效，美國田納西州的 ELVIS 法案也要求複製聲音須經書面同意。監管永遠跑得比技術慢，讓機構為經手的東西負責，才是唯一經得起驗證的解方。