Audio Intelligence w Apple Watch rozpoczyna testy beta dla deweloperów

Jak podał TechCrunch 2 listopada 2026 r., funkcje Audio Intelligence dla Apple Watch są udostępniane deweloperom w wersji beta systemu iOS 27.3. Obejmują Live Rewind i Siri Recap. Przed udostępnieniem tych funkcji wszystkim użytkownikom planowana jest szersza publiczna beta.

Apple przedstawiło pakiet podczas ogłoszenia Apple Watch Series 12 z 9 września 2026 r., zapowiadając wówczas, że dwie funkcje dotyczące rozmów trafią do wersji beta jeszcze w tym roku. Przewodnik pomocy Apple opisuje Audio Intelligence jako zestaw czterech funkcji, których użycie wymaga zgody użytkownika. Oprócz Live Rewind i Siri Recap pakiet obejmuje Sound Recognition, które może powiadamiać użytkowników o syrenach, alarmach i dzwonkach do drzwi, oraz automatyczne Music Recognition z Shazamem, wyświetlające tytuł i wykonawcę wykrytego utworu w Smart Stack.

Dwa sposoby na powrót do rozmowy

Live Rewind uruchamia się wyłącznie przez celowe, dwukrotne naciśnięcie Digital Crown. Funkcja wyświetla na zegarku tekst obejmujący 15 poprzednich sekund wypowiedzi. Użytkownik może zapytać Siri o jej treść albo zapisać fragment w aplikacji Siri. Jeśli nie wykona żadnej z tych czynności, tekst zniknie po około 30 sekundach od przygaszenia ekranu zegarka.

Uruchomieniu funkcji towarzyszy słyszalny dźwięk, nawet gdy zegarek jest wyciszony lub podłączone są słuchawki. Na ekranie pojawia się też animacja zajmująca cały ekran oraz wskaźnik mikrofonu. Sygnały te mają powiadamiać znajdujące się w pobliżu osoby o użyciu funkcji.

Siri Recap można uruchamiać ręcznie lub według harmonogramu opartego na porze i lokalizacji, a funkcję można w każdej chwili wyłączyć w Centrum sterowania. Zamiast dosłownej transkrypcji tworzy ona tytuł, krótkie podsumowanie i najważniejsze punkty, nie przypisując wypowiedzi konkretnym rozmówcom. Niezapisane podsumowania są automatycznie usuwane po siedmiu dniach. Zapisane treści można edytować, usuwać lub eksportować do aplikacji takich jak Notatki i Dziennik. Apple zastrzega, że wygenerowane podsumowania i fragmenty mogą być niekompletne lub niedokładne, a ważne szczegóły mogą zostać pominięte, błędnie zrozumiane lub nieprawidłowo podsumowane.

Przetwarzanie od urządzenia po chmurę

Przegląd ochrony prywatności Audio Intelligence firmy Apple opisuje Secure Exclave w układzie S11 jako odizolowany sprzętowo obszar, który przetwarza dane z czujników niezależnie od pozostałej części systemu. Dostęp do cyklicznego bufora audio jest zablokowany dla systemu watchOS, aplikacji, użytkownika i Apple, a starsze nagrania są stale nadpisywane, zamiast gromadzić się w postaci zapisu.

W przypadku Siri Recap lekki model działający na układzie S11 wykrywa, czy trwa rozmowa. Zegarek szyfruje dźwięk i przesyła go do Secure Exclave sparowanego iPhone’a, gdzie funkcja rozpoznawania mowy działająca na urządzeniu sporządza transkrypcję, a model językowy skraca ją do mniej niż połowy pierwotnej długości. Surowy dźwięk jest następnie trwale usuwany.

Skrócony tekst jest szyfrowany i wysyłany do Private Cloud Compute, gdzie Apple Foundation Models generują tytuł, podsumowanie i najważniejsze punkty. Apple informuje, że wyniki są natychmiast usuwane z usługi chmurowej po ich odesłaniu. Zapisane podsumowania i fragmenty Live Rewind mogą być synchronizowane za pośrednictwem iCloud z użyciem szyfrowania od końca do końca, jeśli włączono uwierzytelnianie dwuskładnikowe i kod urządzenia; Apple nie przechowuje kluczy szyfrujących.

Siri Recap zaprojektowano również tak, by pomijała dane finansowe, identyfikatory nadane przez instytucje rządowe, dane uwierzytelniające oraz niektóre dane osobowe służące do identyfikacji. W przewodniku pomocy zastrzeżono, że automatyczne filtrowanie może nie usunąć wszystkich informacji wrażliwych.

Zgodność i początkowe ograniczenia

Live Rewind i Siri Recap wymagają Apple Watch Series 12 lub Apple Watch Ultra 4 sparowanego z iPhone’em 16 lub nowszym, obsługującym Apple Intelligence; iPhone 16e nie jest obsługiwany. Zgodnie z warunkami wprowadzenia na rynek Apple początkowym językiem będzie angielski, funkcje nie będą początkowo dostępne w UE, a te korzystające z modeli działających po stronie serwera będą podlegać dziennym limitom użycia. Funkcje dotyczące rozmów są niedostępne dla osób poniżej 13. roku życia. Użytkownicy poniżej 18. roku życia korzystający z konta dziecka potrzebują zgody rodzica lub opiekuna, aby uzyskać do nich dostęp.

Powstaje w ten sposób szczególny rodzaj sztucznej inteligencji w urządzeniu noszonym: możliwość odtwarzania przebiegu rozmowy, realizowana z wykorzystaniem zegarka, telefonu i przetwarzania w chmurze, z rygorystycznymi zasadami usuwania danych i kontroli dostępu, ale bez gwarancji wiernego zapisu. Dla użytkowników kluczowe jest rozróżnienie między uniemożliwieniem dostępu do surowego dźwięku a zaufaniem do wygenerowanego tekstu. Architektura rozwiązuje pierwszy problem, natomiast zastrzeżenie Apple dotyczące dokładności odpowiednio ogranicza oczekiwania wobec drugiego.