微软近日提交一项新专利申请，旨在开发能实时转换直播视频的AI系统，动态修改演讲者的言辞、面部表情及口型动作。

据媒体报道，该专利最早由Patentlyze发现。发明者将其定义为“对活动进行现场近实时的人工智能（AI）增强或增强现实（AR）展示”。

AI代理实时重构视听体验

该系统利用AI代理识别特定词汇，依据预设参数或用户配置文件进行替换、删除或微调。为确保自然流畅，系统会同步编辑演讲者的面部和嘴部动作以匹配新台词，并在音视频前后段落中进行精细处理，实现“平滑过渡”。

在深伪技术与虚假信息泛滥的当下，这项技术可能催生一类新型过滤工具：在现实发生的过程中微妙地重塑现实，且具有高度个性化特征。专利指出，观众将能只观看其想看的直播内容，屏蔽不愿听到的信息。

从翻译到“净化”言论

专利列举了多种应用场景。基础功能包括实时翻译，使直播画面能以观众首选语言呈现视听内容；此外，还可消除“嗯”、“啊”等填充词，或修正口吃及言语障碍。

更深层的应用则涉及对言论内容的干预。系统可削减“个人用语”、“方言俚语”（如美式英语中的“y’all”），甚至替换“含糊不清”、“发音错误”、“冒犯性”或“不敏感”的词汇。替代词汇来源可包括互联网搜索结果。

这意味着，直播节目可能不再纯粹“直播”。除了语言翻译，这种消除错误或抹去地域特色词汇的工具，引发了关于加剧个性化“信息茧房”的担忧。

留存“事实真相”以防滥用

鉴于潜在的滥用和混淆风险，专利提出记录并存储活动的原始直播音视频，作为“事实真相”（ground truth）的参考基准。

该系统适用的直播类型广泛，涵盖讲座、演示文稿、颁奖典礼、游戏与烹饪节目以及体育赛事等。截至发稿，微软尚未回应置评请求。

更多大型科技公司专利动态： Meta获得通过持续分析语调来检测你情绪的技术专利