7
Microsoft запатентувала ШІ, який зможе змінювати промову людей безпосередньо під час трансляції
Компанія Microsoft подала заявку на патент технології, яка може змінювати слова доповідача безпосередньо під час прямої трансляції його виступу. При цьому вона здатна змінювати навіть те, як рухаються губи доповідача, тому зміни будуть практично непомітними.
На заявку звернув увагу портал Patentlyze. Як зазначається, її подали ще 29 квітня 2025 року, але опублікували лише 30 жовтня 2026-го.
Як працюватиме технологія Microsoft
За задумом, технологія допомагає позбавити мовлення спікера слів-паразитів. Наприклад, за її допомогою можна «підчистити» промову людини, яка постійно вимовляє «ммммм», «ееее» та подібні звуки.
Штучний інтелект аналізуватиме аудіо та, спираючись на профіль користувача, визначатиме слова й звуки, які той не хоче чути. Після цього система замінюватиме їх на доречніші варіанти, а також коригуватиме зображення губ мовця, щоб їхні рухи відповідали новому тексту. Плавні переходи мають зробити такі зміни практично непомітними.
Ця ж технологія зможе використовуватися й для перекладу. Якщо спікер говорить не тією мовою, яка вказана в профілі користувача, той чутиме промову рідною мовою. При цьому затримка становитиме всього кілька секунд.
ШІ змінюватиме аудіо та відео в реальному часі
У патентній заявці описується система, яка відстежує відеопотік у реальному часі разом із супровідною аудіодоріжкою, поки люди ведуть розмову. Агент на базі штучного інтелекту аналізує вимовлені слова і, спираючись на задані правила та профіль користувача, обирає ті з них, які підлягають заміні.
Потім генеративний ШІ виконує два завдання практично в режимі реального часу:
- система замінює вибрані слова на нові — як в аудіо-, так і у відеоряді;
- система коригує аудіо та відео безпосередньо до та після моменту заміни, щоб перехід був плавним і непомітним.
При цьому затримка становить від однієї до 10 секунд.
Якщо технологію буде впроваджено, вона допоможе дивитися концерти, мітинги та лекції будь-якою мовою без необхідності додаткового перекладу. Але вона ж потенційно може використовуватися для зміни сказаного доповідачем.
Водночас, якщо її використовуватимуть у корисливих цілях, за її допомогою можна буде створювати діпфейки, які буде складно відрізнити від справжніх відео.
За матеріалами: Дзеркало Тижня
Поділитися новиною
