Durante la keynote de la WWDC, los presentadores dijeron “Oye Siri” decenas de veces. Y, sin embargo, los millones de iPhone y HomePod que había delante de una pantalla no se pusieron a responder todos a la vez. ¿Cómo lo evita Apple? Circula una teoría por X —que Apple recorta ciertas frecuencias del audio—, pero el mecanismo real es bastante más ingenioso. Vamos a desmontarlo.
El problema: el caos de 2019
Que esto es un riesgo real no es teórico. En 2019, Apple emitió un anuncio de AirPods en el que alguien le pedía una canción a Siri. Resultado: los HomePod de medio mundo obedecieron a la vez. Cuando tu marca vende cientos de millones de dispositivos que escuchan una palabra clave, tus propios anuncios y eventos se convierten en un campo de minas.
La solución de Apple: reconocer su propio audio con Shazam
Aquí está lo interesante. Según reveló 9to5Mac, Apple desarrolló un mecanismo interno —apodado “AdBlocker”— que funciona así:
- El dispositivo descarga huellas de audio (“audio fingerprints”) desde los servidores de Apple.
- Usando la tecnología de Shazam (que Apple compró en 2018), compara lo que capta el micrófono con esas huellas.
- Cuando detecta que lo que suena es un anuncio o una keynote de Apple, desactiva el disparador de “Oye Siri” durante esa reproducción.
Lo brillante es el matiz: el sistema no apaga Siri a lo bruto, sino que reconoce la grabación concreta por su huella sonora única, igual que Shazam identifica una canción. El dispositivo no escucha “la frase”, escucha “esta grabación que ya conozco, ignórala”.
De momento, este sistema se ha encontrado en tvOS 18.2, lo que apunta a que Apple lo estrena primero en el HomePod. Es decir: aún tiene un despliegue limitado.
¿Y si digo “Oye Siri” mientras suena la keynote?
La pregunta del millón. La respuesta corta: tu voz en vivo sí debería funcionar.
Como el sistema identifica la huella del vídeo, tu “Oye Siri” en directo es una señal distinta que no coincide con esa huella. El diseño busca precisamente ignorar la grabación sin quedarse sordo contigo: por eso Apple usa huellas en lugar de un simple silenciador.
Eso sí, con dos matices honestos: el comportamiento exacto cuando tu voz se solapa justo con la del vídeo no está documentado al milímetro, y el sistema todavía no está en todos los dispositivos.
No es solo cosa de Apple
El problema lo comparte todo el sector. Google y Amazon recurren a marcas de agua acústicas inaudibles: incrustan en sus anuncios una señal que el oído humano no percibe pero que sus dispositivos reconocen como “esto es publicidad, no me actives”. Distintas recetas para la misma receta de cocina.
La teoría de las frecuencias (con pinzas)
Y llegamos a lo que viste en X: la idea de que Apple recorta las bandas de 3, 4, 5 y 6 kHz del audio cada vez que se menciona a Siri, para que el vídeo tenga menos probabilidad de activar dispositivos.
Es plausible —la detección de la voz humana vive en buena parte en esas frecuencias—, pero no está confirmada: no hemos encontrado ningún análisis de espectrograma ni fuente solvente que lo demuestre. Encajaría como una capa de refuerzo (“cinturón y tirantes”) en dispositivos que aún no tienen el sistema de huellas, pero hoy por hoy se queda en teoría ingeniosa, no en hecho.
Mi nota
Me fascina que la solución de Apple no sea apagar Siri, sino enseñar al dispositivo a reconocer su propia voz grabada. Es mucho más elegante que un interruptor. Lo de las frecuencias es una teoría bonita y puede que haya algo de cierto, pero el truco de verdad —usar Shazam para que tus aparatos distingan un anuncio de una persona— es de esos detalles de ingeniería invisible que hacen que todo “simplemente funcione”.