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, інформує UAINFO.org з посиланням на ZN.ua.

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 (ШІ) аналізує аудіо та, спираючись на заданий користувачем профіль, позначає слова, які він не хотів би чути. Потім система замінює їх на доречніші варіанти та коригує зображення губ мовця на відео так, щоб вони відповідали новим словам. Плавні переходи дозволяють зробити ці зміни практично непомітними.

Читайте також: Microsoft розробила ШІ-систему, яка діагностує хвороби точніше за лікарів

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.

У патентній заявці описується система, яка відстежує відеопотік у реальному часі разом із супровідною аудіодоріжкою, поки люди ведуть розмову. Агент на базі штучного інтелекту (програмне забезпечення, здатне самостійно ухвалювати рішення) аналізує вимовлені слова і, спираючись на задані правила та профіль користувача, обирає ті з них, які підлягають заміні.

Читайте також: ШІ-агенти допомогли хакеру зламати понад 100 сайтів

Потім генеративний ШІ (технологія, що створює новий текстовий, аудіо- або візуальний контент) 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, наприклад, для видалення або заміни образливих слів. Водночас, якщо її використовуватимуть у корисливих цілях, за її допомогою можна буде створювати діпфейки, які буде складно відрізнити від справжніх відео.

Підписуйся на сторінки UAINFO Facebook, Telegram, Twitter, YouTube