Apple hat die Tonspur der WWDC-2026-Keynote offenbar gezielt verändert, um massenhafte Aktivierungen der Sprachassistenz Siri auf den Geräten der Zuschauer zu verhindern. Spektrogramm-Analysen des Videostreams zeigen deutliche Lücken in bestimmten Frequenzbändern – und zwar immer genau dann, wenn auf der Bühne das Wort „Siri“ fiel.

Der niederländische Tontechniker Luuk de Leest veröffentlichte auf X eine entsprechende Analyse mit Spektrogramm und kommentierte, Apple schneide „ein Stück bei 3k, 4k, 5k und 6 kHz heraus, wenn sie ‚Siri‘ sagen, damit nicht alle HomePods losquasseln“. Die Frequenzbänder bei 3, 4, 5 und 6 Kilohertz wurden demnach gezielt herausgefiltert beziehungsweise stark abgesenkt.

Technisch beschreiben Beobachter die Maßnahme als dynamischen Notch-Filter: Nur in den Momenten, in denen der Name „Siri“ fällt, werden schmale Frequenzbänder im Bereich zwischen 3 und 6 Kilohertz abgesenkt. Dieser Bereich transportiert einen erheblichen Teil der sogenannten phonetischen Energie – also genau jene Anteile von Konsonanten und Vokalen, auf die Wake-Word-Detektoren trainiert sind. Der Rest der Tonspur bleibt unangetastet.

Für Zuschauer blieb das Wort „Siri“ im Stream dennoch verständlich – Beobachter beschreiben den Klang lediglich als leicht „metallisch“ oder „ausgedünnt“. Wake-Word-Systeme wie Siri nutzen akustische Modelle auf Basis neuronaler Netze, die auf die charakteristische Zeit-Frequenz-Signatur des Triggerwortes trainiert sind. Werden entscheidende Bereiche künstlich geschwächt, sinkt die Erkennungswahrscheinlichkeit deutlich.

Kein perfekter Schutz

Allerdings zeigt sich, dass der Ansatz keineswegs vollständig wirkt: Mehrere Nutzer berichteten in Foren und auf Social Media, ihre iPhones oder HomePods seien während der Keynote trotz der Filterung mehrfach angesprungen. Die Gründe dafür liegen in der Natur der Wake-Word-Erkennung selbst. Die Systeme unterscheiden im Kern nicht zwischen live gesprochenen Worten und Audio, das von Lautsprechern kommt – sie analysieren lediglich das Mikrofonsignal auf bestimmte akustische Muster. Unterschiedliche Mikrofoncharakteristiken, individuelle Raumakustik oder die Lautstärke des Streams machen es unmöglich, Fehlauslösungen einzelner Geräte vollständig zu verhindern. Apple hat die Audio-Veränderung bislang nicht offiziell bestätigt.

Apple steht mit diesem Vorgehen nicht allein da. Bereits 2019 wurde bekannt, dass Amazon in TV-Werbespots für Alexa ähnliche audiotechnische Maßnahmen nutzte, damit Echo-Lautsprecher nicht auf das Wake-Word reagierten. Auch Google hatte in einzelnen Präsentationen Anpassungen vorgenommen, um „OK Google“ nicht massenhaft auszulösen.

Siri AI in der EU weiter eingeschränkt

Die WWDC 2026 stand im Zeichen einer umfassend überarbeiteten Version des Sprachassistenten unter dem Namen „Siri AI“, eingebettet in Apples „Apple Intelligence“. Siri AI soll natürliche Sprache verstehen, Bildschirminhalte lesen und persönliche Kontexte in Antworten einbeziehen können. In der EU wird Siri AI zum Start allerdings nicht auf iPhone und iPad verfügbar sein – Apple verweist auf regulatorische Anforderungen. Apples Datenschutzstrategie rund um Siri AI setzt dabei weiterhin auf lokale Verarbeitung und Private Cloud Compute, um möglichst wenige Nutzerdaten nach außen zu geben.

(mki)

Ohne Registrierung nutzbare Analogfunkgeräte helfen bereits sehr dabei, sich in gemeinsam handwerklich arbeitenden Gruppen besser zu koordinieren. Doch insbesondere dort, wo es häufig lauter wird, können Digitalfunkgeräte Sprache filtern, dadurch verständlicher übertragen und aufgrund ihrer hohen Empfangsempfindlichkeit größere Reichweite bieten.

Der preisliche Unterschied zwischen Analog- und Digitalfunkgeräten im 446-MHz-Band (PMR446) ist heute eher gering – zumindest in den Einsteiger- und Mittelklassen. Sobald der erste Versuch mit günstigen Geräten im Arbeitsalltag ergeben hat, dass Sprechfunk einen Mehrwert bietet, lohnt sich der Blick auf die wenig teureren Digitalfunkgeräte.

Anknüpfend an den Artikel zum Konfigurieren der Analogparameter, erklären wir auf den folgenden drei Seiten, wie Sie lizenzfreie Digitalfunkgeräte unterschiedlicher Hersteller so konfigurieren, dass Sie sich gegenseitig hören. Als Beispiele nehmen wir wie zuvor das Midland D10 (165 Euro/Gerät) und das Retevis P64 (55 Euro/Paar); beide sind DMR-Geräte (Digital Mobile Radio), die auch analog funken können. DMR- und dPMR-Geräte (Digital Private Mobile Radio) sind im Digitalmodus indes nicht interoperabel.

Das war die Leseprobe unseres heise-Plus-Artikels „Funk am Bau: PMR446-Digitalfunkgeräte programmieren“.
Mit einem heise-Plus-Abo können Sie den ganzen Artikel lesen.

Das 2017 unter dem Namen Recogni gegründete Unternehmen Tensordyne meldet den sogenannten Tape-Out seines KI-Beschleunigers „Napier“. Der Name verweist auf John Napier, der als Erfinder des Logarithmierens als Rechenhilfe gilt. Der Napier-Chip soll dank logarithmischer Mathematik die zahlreichen Multiplikationen, die bei der Anwendung von KI-Modellen nötig sind, in Additionen verwandeln.

Weil sich Additionen effizienter berechnen lassen, verspricht Tensordyne wesentlich höhere Rechenleistung pro Rack als bei KI-Servern mit der noch aktuellen Nvidia-Technik GB300. Je nach KI-Modell soll ein Napier-Rack bis zu 13-mal so viele Tokens pro Sekunde liefern wie ein Nvidia GB300 NVL72.

Die Effizienz, gerechnet in Tokens pro Sekunde pro Watt, soll sogar bis zum Faktor 17 besser sein.

Nach Angaben des Unternehmens liegen bereits Bestellungen für Napier-Systeme im Gesamtwert von mehr als 200 Millionen US-Dollar vor. Wann genau die ersten TDN72-Pods ausgeliefert werden sollen, verrät Tensordyne bisher jedoch nicht.

Bis Ende 2026 will Nvidia allerdings das gezielt für Inferencing optimierte System Groq 3 LPX auf den Markt bringen. Das einst ebenfalls für Inferencing angekündigte Rubin CPX ist damit wohl vom Tisch.

Napier-Chip mit SRAM und HBM3E

Durch die logarithmische Rechenweise können die eigentlichen Rechenwerke des Napier kleiner ausfallen, sodass mehr davon auf den Chip passen und Platz für schnelles SRAM bleibt. Jeder Chip ist mit 144 GByte HBM3E-RAM gekoppelt. Außerdem baut Teledyne einen besonders schnellen Interconnect ein.

Ein TDN72 Pod besteht aus vier eng vernetzten Rack-Einschüben mit je neun Napier-Chips. Ein Tensordyne Napier Rack (TDN Rack) wiederum besteht aus vier TDN72-Pods, also 288 Napier-Chips.

Das TDN Rack leistet 608 PFlops, hat 42 TByte HBM3E, 78 GByte SRAM und 256 TByte RAM. Es nimmt unter Volllast 120 Kilowatt Leistung auf und kommt mit Luftkühlung aus. Der Interconnect im Rack überträgt bis zu 275 TByte/s.

Der Napier-Chip soll unter anderem die Datenformate FP16, FP8, FP4 und Int8 verarbeiten. Er eignet sich laut Tensordyne für gängige KI-Modelle wie Kimi K2.6, DeepSeek-R1/V4 Pro, Llama3.1 405B, Mixtral 8x22B, GPT-OSS-120B und Qwen 80B.

Zum Vergleich: Nvidia will in ein Groq-3-LPX-Rack insgesamt 256 Groq-3-LPUs einbauen, jede mit 500 MByte SRAM. Das ergibt pro Rack 128 GByte SRAM, dazu kommen 12 TByte DDR5-RAM.

Kooperation mit Broadcom und TSMC

Der Hauptsitz von Tensordyne liegt im Silicon Valley, eine Niederlassung besteht in München. Mehrere leitende Entwickler waren früher bei der Firma Juniper Networks tätig, die heute zu HPE gehört.

Bei der Entwicklung des Napier kooperierte Tensordyne mit Broadcom. Broadcom entwickelt auch KI-Chips für andere Firmen, beispielsweise mehrere Generationen der TPUs von Google.

(ciw)