Packs de sonidos personalizados — Cómo crear e importar los tuyos

Vigilant Ear puede aprender sonidos nuevos. Un pack de sonidos personalizado enseña a la app a reconocer sonidos que el detector integrado de Apple no conoce: aves locales, una máquina concreta del trabajo, el zumbador raro del pasillo de tu edificio. Entrenas un modelo pequeño en un Mac (sin programar), lo empaquetas en un zip con dos archivos de texto pequeños y lo importas en tu iPhone.

Los packs personalizados se suman al detector integrado. Activar un pack nunca desactiva nada más: sirenas, alarmas y el resto de sonidos de seguridad siguen funcionando exactamente igual.

Necesitarás: un Mac con la app Create ML de Xcode (gratis), grabaciones de audio de tus sonidos y Power Pack+ en tu iPhone (cuenta el periodo de prueba gratuito).

Requisitos estrictos — respétalos al pie de la letra

Un pack que ignore cualquiera de estos se importará, pero se comportará mal (alertas falsas constantes o nada detectado). No son sugerencias:

1. Incluye una clase Background — obligatoria, no opcional. Tu modelo debe tener una clase entrenada con tus entornos ambientales reales (habitación en silencio, calle, ventilador encendido). Llénala con 15+ grabaciones reales y márcala con "category": "ignored" y "threshold": 1.1 en profiles.json. Sin una clase Background, tu pack se disparará sin parar en silencio — un clasificador de sonidos se ve obligado a elegir una de sus clases en cada instante de audio, así que sin un cubo de “ninguno de estos” etiquetará tu habitación en silencio como lo que más se le parezca.
2. Recorta el silencio de tus clips de entrenamiento. Un clip etiquetado “Owl” que es 20 segundos de silencio con un solo ulular enseña al modelo que el silencio es un búho. Recorta los clips al sonido objetivo, o el modelo aprende los huecos.
3. Nombra el archivo del modelo exactamente model.mlmodel o model.mlpackage. Cualquier otro nombre → falla la importación.
4. Usa un modelo Create ML de Sound Classification. Los modelos de imagen/texto/tabulares se rechazan.
5. Las claves de profiles.json deben coincidir exactamente con las etiquetas de clase del modelo — es decir, los nombres de tus carpetas de entrenamiento, incluidas mayúsculas y guiones bajos.
6. Añade gateClasses (ver más abajo). Sin eso, la música y la TV activarán el pack. Es el control de falsas alarmas más importante.
7. Comprime los archivos en el nivel superior (o dentro de una sola carpeta — no más profundo). pack.json debe ser localizable.
8. Equilibra tus clases. No des a una clase 100 clips y a otra 10: el modelo se inclinará hacia la grande. Limita las clases con muchas muestras para que los conteos queden dentro de ~3× entre sí.

El resto de esta guía recorre cada uno de estos puntos en orden.

Paso 1 — Reúne el audio de entrenamiento

Crea una carpeta por cada sonido que quieras reconocer, nombrada según ese sonido, y llénala con grabaciones de ejemplo:

TrainingData/
  Mourning_Dove/        ← 20+ clips de mourning doves
  House_Finch/          ← 20+ clips de house finches
  Background/           ← 20+ clips de tu entorno ambiental SIN esos sonidos

Consejos que marcan la diferencia:

• Incluye siempre una clase Background. El modelo debe etiquetar cada instante de audio como algo: sin una clase de fondo, el silencio y el ruido de la calle se meten en tus clases reales y verás alertas falsas. Graba los lugares donde usarás el pack de verdad: tu jardín, el piso del taller, tu cocina.
• Los nombres de carpeta se convierten en las etiquetas que muestra la app (los guiones bajos se vuelven espacios: Mourning_Dove → "Mourning Dove"). Puedes anular los nombres visibles más tarde en profiles.json.
• Más variedad vence a más duración: distintas distancias, horas del día y condiciones de fondo. Clips de unos pocos segundos están bien.
• Funcionan los formatos habituales (.m4a, .wav, .mp3, .aiff).

Paso 2 — Entrena el modelo en Create ML

1. Abre Create ML (en un Mac con Xcode: menú Xcode → Open Developer Tool → Create ML) y crea un proyecto nuevo de Sound Classification.
2. Arrastra tu carpeta TrainingData a Training Data.
3. Pulsa Train. Unos cientos de clips se entrenan en minutos.
4. Revisa la pestaña de precisión: si una clase puntúa mal, necesita más clips o clips más variados.
5. En la pestaña Output, pulsa Get y guarda el modelo como model.mlmodel (o model.mlpackage — ambos sirven). El nombre del archivo debe ser exactamente model.mlmodel o model.mlpackage.

Paso 3 — Escribe pack.json

Un manifiesto pequeño que describe el pack:

{
  "id": "com.example.pack.socalbirds",
  "name": "SoCal Birder's Companion",
  "version": "1.0",
  "author": "Your Name",
  "classes": ["Mourning_Dove", "House_Finch", "Background"],
  "gateClasses": ["bird", "bird_vocalization", "bird_chirp_tweet", "pigeon_dove_coo", "crow_caw"]
}

• name es obligatorio: es lo que aparece en la lista de packs de la app.
• id identifica el pack para actualizaciones: reimportar un pack con el mismo id reemplaza la versión anterior en su sitio. Cualquier cadena única al estilo reverse-DNS sirve.
• classes es solo documentación. La app lee la lista real de clases del propio modelo, así que un desajuste no rompe nada (solo se anota en el log).
• gateClasses (opcional, muy recomendado) es la herramienta más eficaz para frenar falsos positivos. Ver más abajo.

gateClasses — deja que el modelo de Apple sea tu portero

Tu modelo es un especialista: es bueno para decir cuál de tus sonidos está oyendo, pero no sabe qué es “ninguno de mis sonidos” (para eso ayuda la clase Background). El clasificador integrado de Apple es un generalista entrenado en ~300 sonidos cotidianos: es muy bueno en la pregunta gruesa “¿hay un ave en absoluto?”.

gateClasses los encadena: las detecciones de tu pack solo se reportan cuando el modelo de Apple está oyendo al mismo tiempo una de las categorías integradas listadas. Un pack de aves se filtra con las etiquetas de aves de Apple, de modo que si Apple no cree que hay un ave, tu pack se queda en silencio — por muy confiado que esté. Esta sola línea elimina la gran mayoría de falsas alarmas por música, TV y habitación en silencio, porque el modelo de Apple las puntúa muy por debajo del umbral de la puerta. Si lo omites, el pack corre sin filtro (vale para pruebas; en el mundo real habla demasiado).

El filtrado solo está disponible cuando Apple ya tiene una categoría cercana a tu sonido. Si tu pack es para algo que el modelo de ~300 clases de Apple no conoce — una máquina de fábrica concreta, un pitido de dispositivo médico, un timbre personalizado — no hay etiqueta integrada con la que filtrar, así que dejas gateClasses fuera y el pack corre sin filtro. Es lo esperado, no un error. En esos packs, tu clase Background deja de ser una defensa entre varias y se convierte en lo único que te separa de alertas falsas constantes — invierte mucho en ella (muchas grabaciones ambientales reales) y sube los umbrales por clase.

Filtra un pack de aves con las etiquetas genéricas de aves de Apple más las específicas que tu modelo pueda nombrar de verdad: bird, fowl, bird_vocalization, bird_chirp_tweet, bird_squawk, bird_flapping — y, si tu pack tiene la especie correspondiente, crow_caw y pigeon_dove_coo. Otros tipos de pack eligen sus propias puertas de la lista completa de identificadores de sonido integrados del apéndice más abajo — p. ej. un pack de razas de perro filtra con dog_bark/dog_howl, un pack de vehículos con engine/truck.

muteClasses — cede a Apple en sonidos que tu modelo no puede nombrar

gateClasses abre tu pack cuando Apple cree que hay un ave. Pero Apple puede nombrar específicamente algunas aves que tu modelo quizá no cubre: un pato, un ganso, un búho, un pavo, una gallina o un gallo. Si Apple oye un pato y tu pack no tiene clase de pato, tu modelo forzará ese graznido a la especie más cercana y lo llamará con confianza el ave equivocada. Eso es una identificación errónea, no una falsa alarma por silencio — y gateClasses solo no lo detiene, porque un pato también activa la puerta genérica bird.

muteClasses lo corrige: cuando Apple está seguro de una de estas etiquetas, tu pack se queda en silencio en ese momento y cede a la llamada específica de Apple. Lista las etiquetas integradas de sonidos que no cubres:

"muteClasses": ["owl_hoot", "duck_quack", "goose_honk", "turkey_gobble", "chicken", "chicken_cluck", "rooster_crow"]

Regla práctica: una etiqueta específica de ave de Apple va en gateClasses si tu modelo tiene una clase equivalente (o mejor) para ella, y en muteClasses si no. Todo lo que Apple puede nombrar y tú no → siléncialo y deja que Apple acierte.

Paso 4 — Escribe profiles.json (opcional, recomendado)

Esto controla cómo se ve y se siente cada sonido en la app: una entrada por clase, con clave el nombre exacto de carpeta/etiqueta:

{
  "Mourning_Dove": {
    "displayName": "Mourning Dove",
    "hapticCount": 1,
    "emergencyTier": "none",
    "category": "animal",
    "icon": "bird",
    "color": "teal",
    "threshold": 0.5,
    "maxRange": 150
  },
  "House_Finch": {
    "displayName": "House Finch",
    "hapticCount": 1,
    "category": "animal",
    "icon": "bird"
  },
  "Background": {
    "category": "ignored",
    "threshold": 1.1
  }
}

Cada clave es opcional: omite lo que quieras y se aplica un valor por defecto razonable:

Tu clase Background necesita la entrada especial de arriba: "threshold": 1.1 hace imposible reportarla (la confianza nunca supera 1.0), así que absorbe en silencio el audio ambiental en lugar de aparecer nunca como detección. No te limites a omitirla: una clase no listada sigue recibiendo el umbral por defecto 0.5 y aparecería en la app como un sonido genérico.

Paso 5 — Comprime el zip

Selecciona los tres archivos — pack.json, profiles.json, model.mlmodel —, haz clic con el botón derecho y Compress. Comprimir la carpeta contenedora también funciona; la app busca un nivel de carpeta hacia abajo.

MyPack.zip
├── pack.json
├── profiles.json
└── model.mlmodel

Lleva el zip a tu iPhone como prefieras: AirDrop, iCloud Drive, Mail, Messages.

Paso 6 — Importa en tu iPhone

1. Abre Vigilant Ear → menú del engranaje → Power Pack+.
2. Desplázate a Custom Sound Packs (BYOM) y toca Import Custom Pack (.zip).
3. Elige tu zip en el explorador de Files.

El pack aparece en la lista con su conteo de sonidos, ya en LIVE. Desde ahí puedes:

• LIVE / OFF — activar o desactivar el pack sin borrarlo. Apagado no consume batería.
• Delete — inicia una cuenta atrás de 5 segundos (toca de nuevo para cancelar) y luego elimina el pack por completo.
• Importa tantos packs como quieras; todos corren junto al detector integrado. Cada pack en vivo extra consume algo de batería, así que apaga los que no uses.

Los sonidos detectados se muestran como cualquier otro: un punto en el mapa con tu icono y color, el nombre visible en las alertas y tus hápticos configurados.

Un par de comportamientos integrados a tener en cuenta: las detecciones de packs personalizados no se retransmiten a pares de la malla Constellation (otros teléfonos no tendrán tu pack instalado), y los sonidos del pack exigen dos detecciones consecutivas antes de alertar, lo que filtra falsos positivos de un solo fotograma.

Solución de problemas

Actualizar un pack

Reentrena o edita, vuelve a comprimir e importa de nuevo con el mismo id en pack.json: la versión anterior se reemplaza en su sitio.

Appendix: Built-in Sound Identifiers (iOS 26.5)

Estas son las categorías de sonido integradas que el clasificador on-device Sound Analysis de Apple puede reconocer: las etiquetas disponibles para gateClasses y muteClasses arriba. Apple ya no publica esta lista en su sitio de desarrolladores, así que la tabla siguiente se leyó directamente del clasificador en el dispositivo (SNClassifierIdentifier.version1).

Clasificaciones conocidas a julio de 2026 (iOS 26.5) — 303 etiquetas. Apple puede añadir, quitar o renombrar estas en cualquier actualización del SO, así que trátala como una instantánea en un momento dado: filtrar con una etiqueta que un SO futuro elimine simplemente significa que esa puerta nunca se dispara (tu pack se queda en silencio), y una etiqueta nueva no existirá hasta que la uses. Usa la ortografía exacta mostrada (minúsculas, guiones bajos).

© 2026 Wingdings, Inc.
All rights reserved.
Patent Pending