0
Microsoft запатентовала ИИ, который сможет изменять речь людей непосредственно во время трансляции
Компания Microsoft подала заявку на патент технологии, которая может менять слова докладчика непосредственно во время прямой трансляции его выступления. При этом она способна менять даже то, как двигаются губы докладчика, поэтому изменения будут практически незаметны.
На заявку обратил внимание портал Patentlyze. Как отмечается, ее подали еще 29 апреля 2025, но опубликовали только 30 октября 2026-го.
Как будет работать технология Microsoft
По замыслу, технология помогает лишить речи спикера слов-паразитов. Например, с ее помощью можно «подчистить» речь человека, постоянно произносящего «ммммм», «ээээ» и подобные звуки.
Искусственный интеллект будет анализировать аудио и, опираясь на профиль пользователя, определять слова и звуки, которые тот не хочет слышать. После этого система будет заменять их на более подходящие варианты, а также корректировать изображение губ говорящего, чтобы их движения соответствовали новому тексту. Плавные переходы должны сделать подобные изменения практически незаметными.
Эта технология сможет использоваться и для перевода. Если спикер говорит не на том языке, который указан в пользовательском профиле, тот будеть слышать речь на родном языке. При этом задержка составит всего несколько секунд.
ИИ будет менять аудио и видео в реальном времени
В патентной заявке описывается система, которая отслеживает видеопоток в реальном времени вместе со сопроводительной аудиодорожкой, пока люди ведут разговор. Агент на базе искусственного интеллекта анализирует произнесенные слова и, опираясь на заданные правила и профиль пользователя, выбирает те из них, которые подлежат замене.
Затем генеративный ИИ выполняет две задачи практически в режиме реального времени:
- система заменяет выбранные слова на новые — как в аудио-, так и в видеоряде;
- система корректирует аудио и видео непосредственно до и после замены, чтобы переход был плавным и незаметным.
При этом задержка составляет от 1 до 10 секунд.
Если технология будет внедрена, она поможет смотреть концерты, митинги и лекции на любом языке без необходимости дополнительного перевода. Но она потенциально может использоваться для изменения сказанного докладчиком.
В то же время, если ее использовать в корыстных целях, с ее помощью можно будет создавать дипфейки, которые будет сложно отличить от настоящих видео.
По материалам: Дзеркало Тижня
Поделиться новостью
