Un video de vigilancia borroso que muestra poco más que una hilera de árboles puede ofrecer pocas pistas visuales sobre el lugar donde se grabó. Sin embargo, los débiles sonidos de aeronaves que aparecen en el audio ayudaron al videógrafo Colsto a acotar la ubicación de la cámara, según una demostración que publicó el 2 de noviembre de 2026.

Colsto partió de la fecha de la grabación y de una zona de búsqueda que abarcaba los Estados Unidos contiguos, pero desconocía la hora. Examinó el audio con un espectrograma, que muestra las frecuencias del sonido a lo largo del tiempo. Las curvas resultantes revelaron cambios asociados con el efecto Doppler: cuando una aeronave se acerca a un micrófono fijo y luego se aleja, el tono de su sonido cambia.

Esos cambios pueden ayudar a estimar la velocidad de una aeronave y la distancia mínima a la que pasó del micrófono. Colsto identificó dos pasos de aviones de hélice separados por unos 15 minutos y 20 segundos, y los comparó con datos ADS-B de seguimiento de vuelos que atravesaron los Estados Unidos en la fecha de la grabación. Los datos incluyen la posición, la altitud y la velocidad de las aeronaves.

Calculó dónde podría haberse oído cada vuelo, teniendo en cuenta el tiempo que tarda el sonido en desplazarse, la altitud de la aeronave y la elevación del terreno. La ausencia de otras aeronaves detectables entre los dos pasos ayudó a descartar ubicaciones donde debería haberse oído otro vuelo. Esto redujo el número de sitios posibles de unos 73.000 a aproximadamente 15.000.

A continuación, Colsto comparó los patrones de sonido de la grabación con audio simulado basado en trayectorias de vuelo conocidas. Tras perfeccionar la cuadrícula de búsqueda, destacó una combinación concreta de ubicación y vuelos. El análisis acotó el sitio a una zona de unos 100 metros de ancho. Colsto utilizó Google Street View para comparar los árboles de la zona con los del video e identificar la ubicación de la cámara.

En una segunda prueba, Colsto utilizó solo un minuto de audio que contenía otra aeronave. Esta vez también conocía la hora de la grabación: las 20:37 UTC. Restringir la búsqueda a los vuelos de ese momento volvió a llevarlo a la misma zona, lo que demuestra cómo conocer la hora puede hacer que el paso de una sola aeronave resulte útil en este análisis.

La demostración requirió varios meses de trabajo, más de 5.000 líneas de código y el procesamiento de 50 GB de datos. Depende de que haya ruido de aeronaves aprovechable, datos de vuelo disponibles e información que permita limitar la búsqueda. Colsto también probó filtros de audio y la transmisión a través de una llamada telefónica, pero esos experimentos no demuestran que todos los filtros o llamadas preserven una señal aprovechable.

El método no significa que cualquier video pueda geolocalizarse rápidamente. Colsto lo describió como una forma poco probable de rastrear a una persona, y la demostración no mide su éxito en una gran colección de videos cotidianos. Sí muestra cómo el audio puede aportar pistas cuando las imágenes por sí solas revelan poco, en particular en investigaciones de fuentes abiertas.

Fuentes: Numerama.