Аннотация:
Заявка на патент, недавно обнародованная Microsoft, привлекла широкое внимание. Согласно патентному документу, компания исследует систему искусственного интеллекта, которая сможет изменять речевой контент в режиме реального времени во время прямой трансляции и одновременно корректировать движения рта и лица говорящего, чтобы аудитория могла видеть измененную естественную видеокартину.
Этот патент называется «Видео с улучшенным искусственным интеллектом в реальном времени или технология живых презентаций дополненной реальности». Первоначально он был представлен в апреле 2025 года и официально обнародован в октябре 2026 года. В документе показано, что система может не только изменять голосовой контент в прямой трансляции, но также использовать генеративный искусственный интеллект для обработки видеоэкрана, чтобы форма рта персонажа соответствовала измененному голосу.
Согласно описанию патента, система будет постоянно отслеживать живой аудиопоток и автоматически определять слова или фразы, которые необходимо скорректировать через AI-агент. После обнаружения целевого контента генеративный искусственный интеллект заменит, удалит или перезапишет аудио, одновременно изменяя движения лица, форму губ и траектории движения рта в соответствующих видеокадрах, чтобы окончательное изображение выглядело так, как будто говорящий изначально произнес измененный контент.
Microsoft определяет весь процесс в документе как обработку «почти в реальном времени», что означает, что между сбором контента и завершением изменения происходит задержка всего в несколько секунд. Сопутствующие решения могут применяться как к сценариям постобработки, так и к сценариям прямой трансляции.
В патенте перечислены различные возможные сценарии применения. Одним из основных применений является перевод в реальном времени. Система может мгновенно переводить речь говорящего на родной язык аудитории, а также синхронизировать синхронизацию губ в видео с переведенным контентом, тем самым избегая ощущения диссонанса, вызванного традиционным дубляжом или субтитрами.
Кроме того, система также может автоматически удалять крылатые фразы и слова-паразиты, такие как «ум» и «а», а также исправлять оговорки, неправильное произношение и неточные выражения, делая речь более плавной и естественной. В патенте также упоминается, что система может фильтровать ненормативную лексику, деликатную лексику, оскорбительные выражения и слова на некоторых региональных диалектах на основе предпочтений аудитории и обеспечивать индивидуальное представление контента для различных групп.
В некоторых конфигурациях замены могут даже автоматически генерироваться на основе веб-поиска, чтобы находить более точные или контекстуальные выражения в режиме реального времени.
Microsoft также планирует использовать эту технологию на лекциях, церемониях награждения, спортивных трансляциях, кулинарных шоу и различных телепрограммах в прямом эфире. Автоматическая коррекция речевого содержания и выражений позволяет снизить нагрузку на ручное постредактирование и повысить эффективность создания контента.
Однако эта технология также вызвала дискуссии о подлинности информации. Поскольку система может напрямую изменять содержание последних слов оратора, представленных аудитории во время прямой трансляции, некоторые аналитики опасаются, что технология может быть использована для изменения содержания речей политиков, корпоративных заявлений и даже новостных репортажей в будущем, тем самым увеличивая риск распространения ложной информации.
Для этой проблемы Microsoft также предложила в патенте соответствующее решение. Согласно документу, система сохранит исходные, немодифицированные аудио и видео в качестве «базовой фактической записи» для проверки в случае споров, расследований или юридических нужд. В некоторых планах также упоминается сохранение следов модификаций посредством цифровой идентификации и других методов.
Следует отметить, что настоящее раскрытие представляет собой всего лишь заявку на патент, что не означает, что Microsoft выпустила соответствующие продукты, а также не означает, что соответствующая технология в конечном итоге будет коммерциализирована. Технологическая индустрия уже давно переполнена запатентованными идеями, которые так и не были реализованы, поэтому еще неизвестно, появится ли эта система в будущих продуктах.
Однако, поскольку возможности генеративного искусственного интеллекта и обработки видео в реальном времени продолжают совершенствоваться, этот патент показывает возможное направление развития будущих технологий прямого вещания. Помимо повышения эффективности перевода и оптимизации контента, важным вопросом, стоящим перед будущими приложениями искусственного интеллекта, станет баланс между удобством и аутентичностью контента.
Комментарии