✨︎ Resumen (TL;DR):
- Apple publicó el 9 de septiembre de 2026 un documento de privacidad de 11 páginas sobre Audio Intelligence.
- Tres de sus cuatro funciones procesan el sonido en el reloj o el iPhone; Siri Recap manda texto condensado a Private Cloud Compute.
- El texto ocupa menos de la mitad de la transcripción original y puede viajar con datos de calendario y ubicación general, aunque Apple elimina el audio en bruto.
Apple publicó el 9 de septiembre de 2026 una página de soporte y un documento de privacidad de 11 páginas sobre Audio Intelligence, el paquete previsto para el Apple Watch Series 12 y el Apple Watch Ultra 4. Tres de sus cuatro funciones procesan el sonido en el reloj o el iPhone emparejado. Siri Recap envía a Private Cloud Compute un texto condensado de la conversación, junto con contexto de calendario y ubicación general. Apple asegura que el audio en bruto no se graba ni se guarda.
Audio Intelligence es un paquete de funciones del Apple Watch que analiza sonidos cercanos, identifica música y procesa conversaciones con distintos niveles de intervención. Siri Recap es una función que comprime una conversación en el iPhone y envía ese texto cifrado a Private Cloud Compute para generar un resumen.
Cuatro funciones, cuatro destinos para el audio
Apple repite que el audio en bruto no se graba, no se almacena y no puede consultarlo el sistema, una app, el usuario ni la propia Apple. El documento separa, sin embargo, el procesamiento local de los datos derivados que sí salen del equipo.
| Función | Dónde se analiza o transcribe | Qué sale hacia un servidor |
|---|---|---|
| Reconocimiento de sonidos | Apple Watch, dentro del Secure Exclave | Nada. Apple dice que el audio no se transcribe ni se transmite. |
| Shazam | Apple Watch, dentro del Secure Exclave | Una firma acústica de la canción a los servidores de Shazam, no el audio. Apple dice que no puede revertirse al sonido original. |
| Live Rewind | iPhone emparejado, con reconocimiento de voz en el propio equipo | Nada por defecto. Si el usuario guarda el texto o pregunta a Siri por su contenido, solo sale el texto. |
| Siri Recap | Transcripción y compresión en el Secure Exclave del iPhone | Texto condensado de la conversación, con contexto de calendario y ubicación general, hacia Private Cloud Compute. |
La diferencia clave está en el destino: solo Siri Recap manda texto de una conversación a un servidor. Shazam sí envía un dato, pero es una firma acústica sin el audio original.
El Reconocimiento de sonidos está pensado sobre todo para personas sordas o con problemas de audición. Detecta sirenas, alarmas, timbres y el llanto de un bebé, y luego manda una alerta. El análisis ocurre en el reloj, dentro del Secure Exclave.
Shazam identifica la música que suena alrededor. El servidor recibe una firma acústica, una representación compacta de la canción que, según Apple, no se puede revertir al sonido original.
Live Rewind requiere una acción del usuario: una doble pulsación de la corona digital. El reloj toma los 15 segundos de audio que ya tenía en un búfer que se sobrescribe solo y los manda al iPhone emparejado.
El iPhone convierte esos segundos en texto con reconocimiento de voz local y descarta el audio de inmediato. Si el teléfono no está al alcance, la transferencia falla y el audio también se elimina. El texto vuelve al reloj y desaparece unos 30 segundos después de que la pantalla se atenúa, a menos que el usuario lo guarde en la app Siri o le pregunte a Siri por su contenido. En esos casos, lo que sale es solo el texto.
Siri Recap sigue otra ruta. Un modelo ligero en el chip S11 detecta si alguien habla cerca, sin transcribir ni grabar. Cuando encuentra una conversación, el audio entra al Secure Exclave del reloj, se cifra y viaja al Secure Exclave del iPhone.
Ahí el iPhone lo descifra, lo transcribe y un modelo local comprime el resultado. Apple diseñó ese texto intermedio para ocupar menos de la mitad de la transcripción original: elimina muletillas, redundancias y marcas de tono, pero conserva los temas de la conversación. El audio en bruto se borra en ese punto. A partir de ahí, lo que viaja es texto.
Siri Recap manda contexto junto con el texto
Apple le añade información para que sus modelos generen el resumen. El paquete puede incluir qué se estaba reproduciendo, datos del calendario para ponerle título y etiquetas generales del lugar, como casa, trabajo o escuela.
También puede llevar ciudad, estado y país, además de categorías de sitio como tienda de abarrotes o parque. La ubicación precisa y el punto de interés concreto quedan fuera.
Los modelos de Apple en Private Cloud Compute usan esos datos para generar el título, el resumen y los puntos clave. Después devuelven el texto cifrado al iPhone y al reloj, y borran de inmediato el resultado procesado.
Apple sostiene que nadie, ni siquiera la propia empresa, puede acceder a lo que pasa por Private Cloud Compute. También afirma que expertos de seguridad independientes pueden comprobar esa protección en cualquier momento.
Siri Recap puede operar horas sin emitir una alerta
Live Rewind sí avisa a las personas que estén cerca. Al activarlo, el altavoz del reloj reproduce un tono aunque el dispositivo esté en silencio o tenga audífonos conectados. La pantalla muestra una animación completa con un indicador de micrófono.
Siri Recap puede permanecer encendido durante horas, según el horario o el lugar que defina el usuario, y no emite ninguna señal. El documento explica que no hay aviso audible porque no se conserva audio en bruto. Apple recomienda que el dueño del reloj tome en cuenta a los demás cuando una conversación pueda ser privada.
Ninguna de las funciones que manejan conversaciones identifica quién dijo cada frase. Un resumen de Siri Recap puede incluir nombres si alguien los menciona en voz alta, pero no marca al hablante ni usa etiquetas como hablante A y hablante B. Live Rewind puede transcribir una frase palabra por palabra y tampoco le asigna un dueño.
El filtrado automático de los resúmenes busca dejar fuera lenguaje que promueva el daño a uno mismo o el discurso de odio. También intenta excluir información financiera, identificadores oficiales, datos de autenticación y ciertos identificadores personales.
Apple advierte que el filtro puede no retirar toda la información sensible. Sus resúmenes se generan con Apple Intelligence, así que pueden quedar incompletos o ser inexactos. Cuando la precisión importe, la recomendación es confirmar el dato con las personas involucradas.
Compatibilidad: dos niveles de hardware
El reconocimiento de sonidos y Shazam funcionan con el Apple Watch Series 12 o el Apple Watch Ultra 4, junto con cualquier iPhone 11 o posterior, o un iPhone SE de segunda generación o más reciente, con iOS 27.
Live Rewind y Siri Recap exigen una lista cerrada de 12 modelos de iPhone:
- iPhone 16, 16 Plus, 16 Pro y 16 Pro Max.
- iPhone 17, 17e, 17 Pro y 17 Pro Max.
- iPhone Air.
- iPhone 18 Pro y 18 Pro Max.
- iPhone Duo.
La lista no incluye al iPhone 16e ni a ningún iPhone 15. El documento atribuye el requisito a una condición técnica: el teléfono emparejado también necesita su propio Secure Exclave para descifrar y procesar el audio. Apple menciona al iPhone 16, el 16 Pro, el 17e, el Air y los modelos posteriores al explicar esa capacidad.
Live Rewind y Siri Recap no están disponibles para menores de 13 años. En una cuenta infantil de una persona menor de 18, un padre o tutor debe activarlas.
Las dos funciones llegarán en beta a finales de 2026 y comenzarán en inglés. Su funcionamiento depende de Apple Intelligence y Siri AI; el documento indica que Siri AI no estará disponible al inicio en la Unión Europea.
El reloj llegará antes que las funciones. El Series 12 y el Ultra 4 saldrán a la venta el 18 de septiembre, con sus sensores de salud listos desde el primer día.
Qué se guarda y cuánto tiempo permanece
Un resumen de Siri Recap se borra solo después de 7 días si nadie lo guarda o lo exporta. El texto de 15 segundos de Live Rewind desaparece del reloj unos 30 segundos después de que la pantalla se atenúa.
Lo que el usuario conserva vive en la pestaña Recaps de la app Siri. Se sincroniza con cifrado de extremo a extremo si la cuenta tiene iCloud con autenticación de dos factores y el equipo usa un código. Borrar una entrada la quita de todos los dispositivos.
Apple vincula las llaves del Secure Exclave al aparato, las rota y las hace caducar. Si el usuario borra un reloj o un iPhone con Find My, el emparejamiento se invalida de inmediato.
El usuario también podrá revisar el Apple Intelligence Report desde los ajustes de privacidad del iPhone. El informe registra la petición a Private Cloud Compute y queda visible durante 15 minutos o 7 días, según la configuración. Solo se puede consultar en el propio equipo y después de autenticarse.
La duda pendiente está en las notas de texto
Las funciones que mueven una conversación a texto todavía no se pueden comprobar en una muñeca: llegarán en beta a finales de 2026. La ausencia de una grabación también deja una pregunta legal abierta en Estados Unidos.
Sarah Perez escribió en TechCrunch que esas notas de texto podrían presentarse como prueba, pero serían más difíciles de autenticar sin el audio. Además, las reglas probatorias cambian de un estado a otro.
Apple sí dejó clara la consecuencia que atribuye a no guardar el audio: no existe una grabación “que compartir, reenviar o entregar si alguien la solicita”.
Por ahora, el Apple Intelligence Report ofrecerá un rastro visible de las solicitudes a Private Cloud Compute. El límite que Apple describe es concreto: el sistema no conserva el audio en bruto, pero Siri Recap sí puede sacar del dispositivo una versión condensada de la conversación, acompañada de contexto para titularla y resumirla.
