A Shazam automatikus dalfelismerést kap az Apple Watchon

Az Apple Watch Series 12 és az Apple Watch Ultra 4 egyik legérdekesebb újdonsága nem az egészségügyi szenzorok között található. Az Apple az új S11 chipre épülő Audio Intelligence részeként automatikus Shazam-felismerést visz az órára: a készülék érzékeli a környezetben szóló zenét, majd a dal címét és előadóját megjeleníti a Smart Stack Music Recognition widgetjében. A felhasználónak ehhez nem kell külön elindítania a Shazamot. 

Ez lényeges különbség a Shazam hagyományos használatához képest. Az Apple eszközein eddig is egyszerűen lehetett zenét azonosítani Siri vagy a Zene felismerése funkció segítségével, az új Apple Watch azonban proaktív felismerésre vált. Ha egy kávézóban, üzletben vagy koncert előtt megszólal egy dal, az óra automatikusan megpróbálhatja azonosítani, majd egy pillantással leolvashatóvá teszi az eredményt. 

A fejlesztés érdekes következő lépés a Shazam számára is. Az Apple 2018-ban zárta le a szolgáltatás felvásárlását, azóta pedig fokozatosan mélyebbre építette saját zenei rendszerében. A Shazam legutóbbi fejlesztéseiről korábban is írtunk: a szolgáltatás már nemcsak azt próbálja megmutatni, melyik dal szól, hanem a Népszerű Szegmensek segítségével azt is elemzi, a szám mely részei váltják ki a legtöbb felismerést. Az Apple Watch automatikus azonosítása ehhez képest új irány: a felismerést magát teszi háttérben működő, ambient szolgáltatássá.

A Shazam ráadásul csak egy része az új Audio Intelligence csomagnak. A Sound Recognition szirénákat, riasztókat, ajtócsengőt vagy például gyereksírást képes felismerni; a Live Rewind egy dupla Digital Crown-gombnyomás után az előző 15 másodpercnyi beszélgetést jeleníti meg szövegként; a Siri Recap pedig magasabb szintű összefoglalót készíthet a korábban elhangzott beszélgetések lényegéről. A Live Rewind és a Siri Recap csak később, bétafunkcióként érkezik. 

A négy funkció mögött ugyanaz a technikai probléma áll: ahhoz, hogy az óra tudja, mi történt az előző másodpercekben, vagy felismerje a körülötte megszólaló hangokat, a mikrofonnak folyamatosan figyelnie kell a környezetet. Az Apple ezért az Audio Intelligence bemutatásának jelentős részét nem maguknak a funkcióknak, hanem annak magyarázatának szentelte, hogy ez miért nem egyenlő a folyamatos hangrögzítéssel. 

A kulcs az S11 chipbe épített Secure Exclave. Az Apple szerint a nyers hang feldolgozása ebben a hardveresen elkülönített környezetben történik, amelyhez sem az operációs rendszer, sem az alkalmazások, sem maga az Apple nem fér hozzá. A rendszer folyamatosan felülíródó puffert használ, a nyers környezeti hangból pedig nem készít hagyományos értelemben vett, visszahallgatható felvételt. A feldolgozott hangot azonnal törli. 

A felhasználói kontroll szintén központi része a konstrukciónak. Az Audio Intelligence egyes funkciói külön-külön engedélyezhetők, a Siri Recap esetében pedig az is meghatározható, mikor működjön. A Live Rewind használatakor az óra még néma üzemmódban is hangjelzést ad, miközben teljes kijelzős animáció és mikrofonindikátor jelzi a környezetben lévőknek, hogy a funkció aktiválódott. A beszélgetés-összefoglalók és Live Rewind-szövegek végpontok között titkosítva szinkronizálhatók az iClouddal. 

Ez fontos védelem, de nem szünteti meg az új modell körüli társadalmi kérdéseket. Egy okosóra egészen más kategória, mint egy telefonon kézzel elindított hangrögzítő: egész nap a viselő csuklóján lehet, munkahelyi megbeszéléseken, étteremben, tömegközlekedésen vagy magánbeszélgetések közben is. A kérdés ezért nemcsak az, hogy készül-e felvétel, hanem az is, hogyan változik meg az emberek viszonya egy olyan eszközhöz, amely folyamatosan képes értelmezni a környezet hangjait.

Zenei szempontból az egyik legkézenfekvőbb összehasonlítás a Google Pixel telefonok Now Playing funkciója, amely már a Pixel 2 generáció óta automatikus zeneazonosítást kínál. A két megoldás filozófiája azonban nem teljesen azonos. A Pixel rendszerének egyik fontos adatvédelmi előnye, hogy a dalfelismeréshez használt adatbázist helyben tárolja, és az alapvető felismerést offline, az eszközön képes elvégezni. Emiatt nem kell minden azonosítandó zenét hálózati szolgáltatáshoz továbbítani.

Az Apple Watchnál ezért érdemes különválasztani két dolgot. Az Audio Intelligence környezeti hangfeldolgozásának jelentős része valóban helyben, a Secure Exclave segítségével történik, de ebből nem következik automatikusan, hogy maga a Shazam teljes zenei felismerési folyamata is offline működik. Az Apple támogatási dokumentációja az automatikus Music Recognitiont külön kezeli, és a Shazam hagyományosan hálózati felismerési infrastruktúrára támaszkodik. Az Apple jelenlegi dokumentációja alapján ezért túlzás lenne a Pixel teljesen helyi Now Playing modelljével adatvédelmi szempontból teljesen azonos rendszerként kezelni. 

A különbség egyébként jól mutatja, hogy az „AI a csuklón” nem egyetlen technológiai modellt jelent. Az Apple bizonyos feladatokat helyben izolál, más esetekben az iPhone Apple Intelligence-modelljeit és a Private Cloud Compute infrastruktúráját is bevonhatja. Az Audio Intelligence tehát valójában helyi hardveres feldolgozás, telefonos AI és felhőalapú szolgáltatások kombinációja, nem egyetlen, teljesen offline modell. 

Az új irány zeneileg is illeszkedik ahhoz, ahogyan az Apple az iOS 27-tel átalakítja szolgáltatásait. Az Apple Music idei nagy frissítésében a Siri AI mélyebb integrációja mellett továbbfejlesztett AutoMix, új dalszöveg-funkciók és természetesebb zenei keresés érkezik. Az Apple láthatóan nem különálló AI-funkciókban gondolkodik, hanem abban, hogy a zene felismerése, keresése, lejátszása és kezelése fokozatosan háttérben működő intelligens réteggé váljon.

Az Apple Watch ebből a szempontból talán még érdekesebb terep, mint az iPhone. A telefonért tudatosan nyúlunk, az óra viszont folyamatosan velünk van. Ha a Shazam automatikusan felismeri a körülöttünk szóló zenét, a Sound Recognition észreveszi a riasztást, a Live Rewind visszahozza az elmulasztott mondatot, a Siri Recap pedig összefoglalja a beszélgetést, akkor az Apple Watch már nem egyszerűen parancsokra reagál: folyamatosan értelmezi a viselő környezetét.

Ez egyben az Audio Intelligence legnagyobb ígérete és legkényesebb pontja. Az Apple hardverszintű elkülönítéssel, opt-in működéssel és titkosítással próbálja bizonyítani, hogy az ambient AI nem feltétlenül jelent ambient megfigyelést. Technikailag a különbség jelentős. A felhasználói bizalom szempontjából azonban ennél magasabb a léc: egy állandóan figyelő mikrofonos eszköznél nem elég biztonságosnak lenni, annak is kell látszania.

Korábbi kapcsolódó cikkeink

Az iPhone Duo és az iPhone 18 Pro bemutatója – az Apple idei hardvergenerációjának nagyobb képét mutatja be, benne az új Siri AI-jal és azzal, hogyan tolódik a vállalat stratégiája az eszközökön átívelő mesterséges intelligencia felé.

Nagy frissítés érkezik az Apple Musicra iOS 27-tel – a Siri AI mélyebb Apple Music-integrációja és az új AutoMix ugyanannak az intelligensebb zenei ökoszisztémának a része, amelybe most az automatikus Shazam-felismerés is bekerül.

A Shazam már a dalok legnépszerűbb pillanatait is megmutatja – a korábbi fejlesztés azt mutatta meg, hogyan bővíti az Apple a Shazamot egyszerű dalfelismerőből szélesebb zenei felfedező- és adatszolgáltatássá.

A Spotify önállóbb zenelejátszóvá tette az Apple Watchot – az Apple Watch zenei szerepének másik oldala: a konkurens streamingplatform is egyre több telefon nélküli zenei funkciót költöztet a csuklóra.