微软近日提交了一项AI技术专利,旨在实现对直播视频的实时修改,能够改变发言者的言辞和面部表情。

该专利首次由专利追踪网站Patentlyze披露,发明者将其描述为“近实时的人工智能(AI)增强视频或增强现实(AR)直播事件呈现”。

通过AI代理,该系统能够识别并替换或删除特定词汇,同时同步调整发言者的面部和口型以匹配修改后的内容。AI代理会根据预设参数或用户个人偏好进行调整,并在删除或替换词汇前后对视频和音频进行编辑,确保过渡自然流畅。

在当前媒体和互联网环境中,AI驱动的深度伪造、虚假信息和信息混淆日益严重,该专利描述的系统或许代表了一种全新的过滤工具,能够在直播过程中以高度个性化的方式微妙地改变现实。专利指出,观众可以根据个人喜好观看直播内容,避免听到不想听的内容。

专利中提到的潜在应用场景多样,其中之一是实时翻译,系统可让观众以自己偏好的语言听到并看到直播内容。

此外,该技术还可用于去除直播中的填充词如“嗯”或“啊”,甚至消除口吃或言语障碍。

更进一步,专利提出该系统能减少“个人用词”如“自创词汇”,以及“口语表达”如“y’all”或“bite the bullet”等短语。系统还能剔除含糊不清、发音错误、用词不当、口误、冒犯性、不敏感或不合适的词汇。替换词汇可能来源于“互联网搜索”。

换句话说,直播内容可能不再是真正的“直播”。

微软尚未对此专利发表公开评论。

虽然配音和视频剪辑早已存在,且经常被用于各种目的,但借助AI代理自动实时编辑直播视频,可能彻底改变观众与直播内容的互动方式。目前,如果观众不喜欢听到的内容,可以选择关闭视频;而微软描述的系统则允许用户根据个人喜好调整他人言辞。除语言翻译外,使用该工具消除错误或抹去带有地域特色的词汇,是否会让我们陷入更加个性化的信息泡沫?听到南方人说“y’all”到底有什么不好?

专利中也提到,原始直播视频和音频可能会被录制和存档,以确保“事实依据”,这也暗示了该技术可能带来的滥用风险和混淆问题。

该系统可应用于多种直播场景,包括讲座、演讲、各类电视节目(颁奖典礼、游戏和烹饪节目)以及体育赛事等。

更多关于大型科技公司专利的资讯,请关注相关报道。