Bei der WWDC 2026 haben Apple-Präsentator:innen häufig „Hey Siri“ gesagt – ohne dass weltweit iPhones oder HomePods anspringen. Ein Audiotechniker hat nun offengelegt, mit welchem Trick Apple das verhindert.
Analyse der WWDC-Aufzeichnung liefert Hinweise
Ausgangspunkt war die Beobachtung, dass Apple in der WWDC-2026-Keynote wiederholt den Sprachbefehl „Hey Siri“ verwendete, ohne dass Zuschauer:innen von spontanen Siri-Aktivierungen berichteten. Der Audiotechniker Techexplain ist der Frage auf Substack nachgegangen, wie Apple das technisch gelöst hat.
Dafür hat Techexplain die Audio- und Videodaten der Keynote heruntergeladen und in eine Spectrogram-Analyzer-App geladen. Ein Spektrogramm stellt Audiosignale in Form farbiger Diagramme und Bänder dar, die die enthaltenen Frequenzen sichtbar machen.
Bei der Untersuchung der WWDC-Aufzeichnung fiel auf, dass bestimmte Frequenzbänder im Bereich von 3 kHz bis 6 kHz aus dem Audio entfernt worden waren. Konkret fehlten mehrere dieser Bänder, die im Originalsignal eigentlich vorhanden sein müssten.
Nach Einschätzung von Techexplain ist genau das der Grund dafür, dass der Sprachbefehl aus dem Video heraus Siri nicht aktiviert: Ohne diese Frequenzanteile „hört“ der Sprachassistent den Auslöser nicht – obwohl er sprachlich eindeutig vorhanden ist.
Was Siri tatsächlich „hört“
Die Erklärung dafür liegt in der Art und Weise, wie Siri die Aktivierungsphrase erkennt. In iPhones arbeitet ein „always-on processor“, also ein dauerhaft aktiver Prozessor, der kontinuierlich Umgebungsgeräusche abtastet. Diese Audiodaten werden in ein Spektrogramm umgewandelt und von einem neuronalen Netzwerk ausgewertet.
Gesucht wird dabei kein geschriebenes Wort, sondern ein bestimmtes Frequenzmuster. Entscheidend ist insbesondere der Zischlaut im Namen „Siri“. Laut Techexplain liegen diese sibilanten Anteile überwiegend im Frequenzbereich zwischen 3 kHz und 6 kHz.
Entfernt Apple in der fertigen Keynote-Aufzeichnung genau diese Bänder, bleiben die gesprochenen Worte für Euch als Zuschauer:innen verständlich. Für den auf Frequenzmuster trainierten Siri-Algorithmus fehlt jedoch das charakteristische Signal: Der Assistent registriert zwar Ton, erkennt aber nicht sein Aktivierungsprofil.
Praktischer Nebeneffekt für Live-Präsentationen
Auf diese Weise können Apple-Präsentator:innen in aufgezeichneten und übertragenen Events relativ frei über Siri sprechen und den Namen auch in Beispielen verwenden, ohne dass im Publikum oder zuhause zahlreiche Geräte anspringen. Gleichzeitig bleiben die Erklärungen natürlich und müssen nicht umständlich um Umschreibungen des Assistentennamens ergänzt werden.
Der Ansatz baut vollständig auf der bestehenden Erkennungslogik von Siri auf und verändert nicht das Verhalten der Geräte selbst. Er betrifft ausschließlich das bearbeitete Audio der Keynote, in dem die entscheidenden Frequenzbänder gezielt herausgefiltert wurden.
Techexplains Analyse zeigt damit, dass Apple beim Umgang mit seinem Sprachassistenten nicht nur an neuen KI-Funktionen arbeitet, sondern auch an Details der Präsentation, die im Alltag schnell übersehen werden – in diesem Fall an der Frage, wie sich eine Massenaktivierung von Geräten während großer Produktshows vermeiden lässt.
Hinweis: Dieser Beitrag ist eine automatisch erstellte Zusammenfassung mithilfe von Künstlicher Intelligenz. Eine redaktionelle Prüfung fand nicht statt.
Via: techradar.com
