Microsoft a brevetat o tehnologie AI care poate modifica în timp real vorbele unei persoane dintr-un videoclip live

Microsoft a depus o cerere de brevet pentru un sistem bazat pe inteligență artificială care ar putea modifica aproape în timp real ceea ce spun persoanele într-o transmisie video. Tehnologia ar identifica anumite cuvinte și le-ar putea elimina sau înlocui, ajustând simultan mișcările feței și ale gurii vorbitorului, astfel încât modificările să pară naturale.

Soluția este descrisă în documentația depusă de companie drept o metodă de „îmbunătățire video cu ajutorul inteligenței artificiale, aproape în timp real”. Sistemul ar putea fi folosit în timpul evenimentelor transmise live, de la cursuri și gale de premiere până la competiții sportive.

Cum ar putea AI-ul să modifice discursul în timpul unei transmisiuni

Tehnologia propusă de Microsoft ar folosi agenți AI pentru a analiza discursul și a identifica anumite cuvinte sau expresii. Acestea ar putea fi eliminate sau înlocuite fără ca modificarea să se limiteze la pista audio.

Sistemul ar interveni și asupra imaginii vorbitorului, ajustând expresiile faciale și mișcările gurii pentru a corespunde noii variante a discursului. Astfel, dacă o persoană rostește un cuvânt care este ulterior înlocuit, sincronizarea dintre sunet și imagine ar putea fi păstrată.

Un astfel de mecanism ar putea elimina ezitările, repetițiile și greșelile de pronunție dintr-o transmisie live. De exemplu, expresii precum „ăăă” sau alte sunete folosite involuntar în timpul vorbirii ar putea fi îndepărtate automat, iar frazele ar putea deveni mai cursive.

Spre deosebire de editarea obișnuită, realizată după înregistrarea unui eveniment, sistemul este conceput să funcționeze în timpul transmisiunii, cu o întârziere cât mai mică.

Traduceri live și discursuri adaptate preferințelor publicului

Printre utilizările posibile se numără traducerea în timp real a discursurilor. Într-un asemenea scenariu, cuvintele rostite de o persoană ar putea fi înlocuite cu echivalentele dintr-o altă limbă, iar mișcările buzelor ar fi ajustate pentru ca imaginea să corespundă sunetului tradus.

Vezi și:

Cum recunoști un videoclip creat cu AI. Cele mai evidente semne pe care mulți le ignoră

Brevetul descrie și posibilitatea adaptării limbajului în funcție de preferințele publicului. Sistemul ar putea înlocui expresii colocviale, argou sau anumite formulări cu variante considerate mai potrivite pentru audiența vizată.

O astfel de funcție ar putea fi utilizată în transmisiuni sportive, unde comentariile pot conține expresii specifice unui anumit grup de spectatori, dar și în conferințe, cursuri sau ceremonii televizate. În cazul unui discurs oficial, de exemplu, tehnologia ar putea elimina ezitările și corecta anumite formulări înainte ca acestea să ajungă la public.

Înregistrarea originală ar putea fi păstrată separat

Documentația menționează și posibilitatea păstrării înregistrării originale, astfel încât materialul video să poată fi consultat ulterior în forma în care a fost captat. Această opțiune ar permite diferențierea dintre discursul rostit efectiv și versiunea modificată de sistemul AI.

Totuși, o asemenea tehnologie ridică întrebări privind autenticitatea transmisiunilor. Dacă vorbele unei persoane pot fi înlocuite, iar imaginea poate fi ajustată pentru a ascunde intervenția, spectatorii ar putea avea dificultăți în a distinge între declarația originală și varianta editată automat.

Toyota transformă cinci mașini de familie în monștri de aventură. Până și monovolumul Sienna și SUV-ul electric au devenit off-road