三秒能克隆声纹，本质不是模型学会了你怎么说话，而是它早听过海量人声，只需在你身上定位一个坐标——三秒是检索钥匙，不是训练数据。国家安全机关口径把商业平台最短训练样本从几十分钟压到3至5秒，武汉警方细化为5秒，上海民警颜晨超则说常见剪辑软件约10秒素材即可复刻。门槛塌了，因为配钥匙不再需要把整把锁搬来。

2023年包头警方通报的福州郭先生案，10分钟被骗430万，常被当成AI拟声诈骗的标配剧本。但通报写得清楚：要成立需同时掌握被换脸对象的身份信息、大量人脸图片与语音素材、窃取其微信号，还要熟悉两人社会关系。一位公安部专家库民警当时对新华社说『AI涉诈案件仍属零星发案』，全国此类案件不到10起。技术成立与规模化作案之间隔着一道算术题。

声纹不只被拿来诈骗。2018年10月中国人民银行发布《移动金融基于声纹识别的安全应用技术规范》，把声纹当作独立认证因子，规定注册、验证、变更、注销环节要求，并对采样、抗噪音、防攻击、抗时变提技术门槛；2019年11月声纹识别系统纳入第一批《金融科技产品认证目录》，起草单位包括建行、清华、工行、得意音通。同一项生物特征，一端是银行柜台的合法身份凭证，一端是不需实名的外呼小号，合规与作恶共用一套底层技术。

央视『3·15』曝光的行业口径是一台外呼机器人日均拨打上千通、全年成本约1万元，按接通率三成、接通后开口率八成粗算，一天大约能采到两百四十段三秒声纹。但这些音频本身卖不了钱——要变现得先知道这两百四十人分别是谁、父母叫什么、孩子在哪上班。这道工序才是成本大头，靠的是黑产获客软件和倒卖的数据，而不是声纹技术。所以更准确的判断是：一声『喂』是真实隐患，却不是高效攻击面；真正稀缺的从来是『打给谁』和『冒充谁的关系』。

沈阳、北京反诈口径教『陌生来电先沉默三秒』，理由是静默电话在诱导你先开口采样本。上海反诈中心颜晨超给的是另一套：AI克隆门槛确实降了，但生成细节真实度尚有差距，且上海目前没接报『接个陌生来电开口说几句就被声纹诈骗』的成案。关键分野在于——采集声纹只是第一步，后面还得拿到你的姓名、家庭关系、近期动态，广撒网只录一段『喂』，做不成能扛住追问的熟声。

《互联网信息服务深度合成管理规定》与《人工智能生成合成内容标识办法》要求对可能致混淆的深度合成人声显著标识，2025年9月1日起施行，腾讯、抖音、B站已发响应公告。但这套规则指向的是传播端——让伪造语音被听到时带着『我是AI』的痕迹，管不了外呼线路从哪来、虚拟小号谁在放。2025年Q4工信部关停违规语音专线1353条、处罚128家次，来电免打扰扩至12.7亿用户；可只要开一条新线路的年成本还低于外呼机器人的一万元，源头就还会有人开。

民法典1023条把声音放进人格权框架，个人信息保护法28条把声纹列为敏感个人信息、69条设过错推定责任由处理者自证无过错。上海首例AI合成语音案判赔5万，法院还做了举证责任倾斜：权利人只需证明声音存在被获取可能性且合成高度相似即完成初步举证。可正义网点出的堵点是侵权主体确定难、举证难、惩罚性赔偿尺度未统一——外呼用的是不需实名的虚拟小号，服务器可能在境外。规则不缺，缺的是把规则落到某一段具体音频上的能力。