Los sistemas de verificación de identidad biométricos han reportado ciertas limitaciones en la exactitud. En la medida en que se combinan más de una modalidad para resolver la decisión, el desempeño mejora. En esta investigación se conjugan un clasificador por voz y uno por huella dactilar combinados con una arquitectura en paralelo, fusionando los puntajes de ambos clasificadores mediante el promedio geométrico ponderado. La voz se parametrizó con 12 Coeficientes Cepstrales en la escala de Frecuencia Mel MFCC y su Energía, incluyendo su derivada y su aceleración. Con estos parámetros se entrenaron y evaluaron los modelos fonéticos construidos con modelos ocultos de Markov HMM. Para la extracción de características y el emparejamiento de la imagen de la huella se usó la librería de Autenticación de huella dactilar desarrollada por Bioscrypt©. La reducción en la tasa de igual error de 1,5% a 1% demuestra lo asertivo de la propuesta.