Sonos quiere meter inteligencia artificial en sus altavoces y barras de sonido. Su primer paso se llama Sonos 27voice, un asistente de voz que entiende órdenes más vagas y que maneja la música y los grupos de altavoces sin abrir la aplicación. James Pero, de Gizmodo, lo ha probado en su casa durante el acceso anticipado. El resultado es desigual. Encuentra un álbum a partir de la descripción de su portada y agrupa altavoces solo con la voz. Pero falla al recomendar música según el estado de ánimo, se queda corto en cultura general y no sabe contar las erres de una palabra. En este artículo repasamos qué ofrece, dónde tropieza y por qué algunos de sus fallos tienen una explicación técnica muy clara.
Qué es Sonos 27voice y cuándo llega
Sonos 27voice es el asistente de voz de la marca con una capa extra de inteligencia artificial. Juega en la misma liga que Alexa+ en Amazon y Gemini for Home en Google. La idea es sencilla. El usuario habla de forma más natural y el sistema entiende mejor el contexto.
Según la propia compañía, puede iniciar música, moverla por la casa, agrupar y desagrupar altavoces y ayudar con la biblioteca en los servicios compatibles. También pone temporizadores, da la previsión del tiempo, controla dispositivos domóticos compatibles y responde preguntas generales.
El calendario es corto. Como explicaba Gizmodo en su avance de principios de noviembre, la lista de espera del acceso anticipado se abría el 6 de noviembre y las primeras altas llegaban el 12. Entre un hito y otro pasan solo seis días. Estamos, por tanto, ante una versión de pruebas y no ante un producto cerrado. Sonos suma además a su aplicación los ajustes preestablecidos, llamados Presets. Cada uno guarda canciones, volumen y habitaciones para una ocasión concreta.
Lo que hace bien: portadas y grupos de altavoces
La mejora más llamativa es la búsqueda por contexto. En lugar de pedir un disco por su título, se puede describir su portada. En las pruebas de James Pero para Gizmodo funcionó con el álbum de los Beastie Boys que lleva un avión a reacción en la cubierta. También superó una prueba con trampa. Pidió el disco de The Strokes con una mujer en la portada. Ese álbum, «Is This It», tiene dos portadas: un perfil de mujer y un mapa. El asistente conocía las dos.
La segunda mejora está en los grupos y en las órdenes precisas. El probador pidió reproducir música en todos los altavoces menos la barra de sonido. Es una orden con exclusión, algo que antes no lograba. En la práctica, el sistema parte de la lista completa de dispositivos, resta uno y lanza el audio sincronizado al resto. También distinguió sin errores entre dos altavoces Sonos Play del mismo piso. Y agrupó y desagrupó la Sonos Beam Ultra con el resto del equipo usando solo la voz. No es algo que se haga a diario. Pero ahorra abrir la aplicación y pulsar varias veces.
El producto: una evolución, no un reinicio
Conviene fijar qué es Sonos 27voice. No es un altavoz nuevo ni un servicio aparte. Es el asistente habitual de Sonos con más inteligencia artificial, pensado para el sistema que el usuario ya tiene en casa.
La decisión tiene sentido. Sonos vende un ecosistema de altavoces, barras de sonido y auriculares que se gestiona desde una aplicación. Esa aplicación tuvo una etapa muy mala. Gizmodo recuerda que aquel fiasco acabó con la salida del consejero delegado. Una voz capaz de gestionar habitaciones y grupos reduce la dependencia de ese panel. Siempre que funcione de forma fiable. Por ahora, las pruebas indican que el control del sistema va mejor que el resto de funciones.
Donde tropieza: recomendaciones y seguimiento
El lado flojo aparece pronto. El probador pidió algo tranquilo para trabajar. Sonos puso a Kurt Vile, una elección razonable. Después pidió algo sin letra. El asistente respondió que no podía acceder a Spotify y que había que reautorizarlo en la aplicación. No era cierto. La música seguía sonando y la sesión seguía activa en la aplicación.
Al repetir la petición, el asistente intentó lanzar el tema de «La Pantera Rosa», de Henry Mancini. No arrancó. Hubo que abrir la aplicación y pulsar el botón de reproducir a mano.
Hay dos datos técnicos que merecen atención. Fallaron dos refinamientos seguidos de una misma petición. Y el mensaje de autorización contradecía el estado real de la sesión, lo que sugiere una desincronización entre el asistente y la aplicación. Otros intentos de matizar la petición acabaron igual. O no entendía el matiz o seguía con lo primero que tenía en cola. Para un asistente que presume de contexto, es el punto más débil.
La prueba de las erres de «strawberry»
El probador lanzó una pregunta difícil: cuántas veces aparece la letra «r» en «strawberry». Las tres primeras veces, el asistente habló de la fruta y dijo que no contenía rupias ¿?. Eso a pesar de que hablaba claro y sin ruido de fondo. Solo respondió cuando se le aclaró que «r» era una letra y que se refería a la palabra. Dijo entonces que aparecía dos veces.
La respuesta correcta es tres. Fueron cuatro intentos y un resultado final un 33 % por debajo del real.
La explicación está en cómo leen los modelos de lenguaje. No ven letras, ven tokens. La tokenización por pares de bytes (BPE) trocea «strawberry» en dos o tres fragmentos, según el tokenizador. Cada fragmento llega a la red como un número entero. El detalle de cada letra se pierde antes de que el modelo empiece a razonar. Un estudio de diciembre de 2024, recogido en Emergent Mind, relaciona este fallo con la tokenización, con los límites del mecanismo de atención y con la falta de datos a nivel de carácter. Los autores observan que muchos modelos no cuentan bien las letras que se repiten más de dos veces. En «strawberry», la erre aparece tres veces. Es un caso de manual.
Hay un truco conocido para sortearlo. Consiste en separar las letras con espacios, como en «s t r a w b e r r y». Así cada carácter pasa a ser un token propio y el recuento mejora.
Cultura general: correcta, pero escueta
En cultura general, el resultado fue mejor, aunque sin brillo. El asistente respondió bien sobre el tiempo. No supo explicar qué cambia respecto al asistente anterior y remitió a la página del producto. Dio la fecha del siguiente partido de los Buffalo Sabres, con poco detalle.
Preguntado por si conviene salmuerar el cerdo para un katsu casero, contestó que sí, que queda más jugoso y sabroso. Es correcto, pero no añade nada más. El autor compara con Gemini for Home en su Google Home Speaker. Ese asistente da ventajas, inconvenientes y matices según lo que busque el usuario. Es más largo. Pero también es una respuesta mejor.
Reflexiones adicionales
Sonos 27voice deja una idea clara. Añadir inteligencia artificial a un producto de audio no lo mejora de forma automática. Lo que hoy funciona bien es lo más cercano al hardware: grupos, habitaciones y exclusiones. Lo que falla es lo que exige memoria de la conversación y criterio.
Los errores con las letras son un asunto distinto. Vienen de la arquitectura del modelo y no de un fallo de reconocimiento de voz. Es probable que se corrijan con herramientas auxiliares, por ejemplo delegando el recuento en un pequeño programa. Los fallos de continuidad preocupan más, porque afectan al uso diario.
El autor lo resume como una prueba de concepto todavía caprichosa. También recuerda que Gemini for Home empezó con problemas y que hoy aprovecha cada vez más sus capacidades. Ese precedente invita a la paciencia. En nuestra opinión, lo razonable es esperar a que Sonos salga del acceso anticipado y pulse los fallos de seguimiento antes de dar una valoración definitiva. El potencial existe. La ejecución, de momento, no está a la altura.
2