Патентная заявка описывает систему, которая в реальном времени меняет слова говорящего и синхронизирует мимику с новой озвучкой.
Корпорация Microsoft подала патентную заявку на систему искусственного интеллекта, которая способна редактировать видео и звук прямых выступлений почти в реальном времени. Речь не просто о вырезании неудачных фраз из записи — ИИ должен перерисовывать губы и мимику говорящего, чтобы они совпадали с новой версией текста. Иными словами, смотреть прямой эфир и слушать не то, что человек сказал, а то, что алгоритм решил оставить, — теперь официально оформленная идея.
Что именно предлагает Microsoft
В патентной заявке описана система, где ИИ-агенты анализируют речь на лету и заменяют или удаляют отдельные слова. Дальше в дело вступает видеообработка: алгоритм подправляет движения губ и выражение лица, чтобы картинка не выдавала вмешательство. Переходы до и после изменённого фрагмента тоже корректируются — чтобы зритель не заметил склейку. Майкрософт предусмотрела и сохранение исходных видео и аудио в качестве эталонной записи, но это вряд ли спасёт от путаницы, если отредактированные версии разойдутся по сети.
Не только перевод: слова-паразиты и диалекты под нож
Среди заявленных применений — перевод прямых трансляций на язык зрителя, удаление «эээ» и «ммм», исправление заикания. Но дальше начинается спорное: система сможет вычищать местные выражения и разговорные обороты, неправильно произнесённые или неуместные слова. Слова для замены алгоритм подберёт в том числе через поиск в интернете. То есть если оратор скажет что-то не по шаблону, ИИ может заменить это на что-то более «приличное» — по своему разумению или по настройкам пользователя.
Где планируют применять
Технологию хотят прикрутить к лекциям, презентациям, телепрограммам, церемониям, шоу и спортивным трансляциям. Зритель получит не только перевод, но и персонально отредактированную версию выступления — с формулировками, которые система сочтёт подходящими под его профиль. Звучит удобно, пока не вспомнишь, что «подходящее» у каждого своё, а алгоритм будет решать за вас.
Опасения: реальность под фильтром
Главный вопрос не в технической реализации, а в последствиях. Если можно слушать любого спикера без слов-паразитов, диалектов и всего, что кажется оскорбительным, прямой эфир перестаёт быть прямым. Зритель получит не выступление, а его персонализированную версию — с мимикой, подогнанной под чужую речь. Патент описывает будущее, где реальность фильтруется на лету, и это уже не фантастика, а строчка в юридическом документе.
Пока это только заявка, но направление тревожное. Если технология доберётся до продукта, нам всем придётся привыкать, что «прямой эфир» больше не значит «как есть».