Microsoft патентова AI, която може да променя думите и мимиките на хората в живо видео
Microsoft е подала патент за технология с генеративен изкуствен интелект, която може да променя речта и движенията на лицето на човек в живо видео. Системата е способна да синхронизира движенията на устните и мимиките с променен или преведен аудиозапис. Така зрителят може да остане с впечатлението, че говорещият действително произнася новите думи.
Патентната заявка е подадена на 29 април 2025 г., а е публикувана на 29 октомври 2026 г. Основната идея е технологията да улесни комуникацията на живо и да премахне необходимостта от ръчна обработка на видеозаписи.
Едно от основните приложения е автоматичният превод по време на международни срещи и конференции. Системата може да превежда речта на участника на родния език на зрителя, като едновременно променя движенията на устата и лицето му. Така се избягва характерният за традиционния дублаж ефект, при който движенията на устните не съответстват на чутите думи.
Възможностите обаче не се ограничават до превода. Технологията може да адаптира съдържанието според предпочитанията на конкретния зрител или аудиторията. Сред описаните функции са премахване на паразитни думи и ненужни паузи, коригиране на неправилно произношение и замяна на регионални диалекти със стандартизиран език.
Системата може също да заглушава или премахва нецензурни и обидни изрази в реално време. Още по-интересна е възможността за коригиране на фактически грешки. Ако говорещият използва неправилен термин или представи неточна информация, AI може да замени казаното с коректна формулировка. Това означава, че технологията на практика може да промени не само начина, по който човек изглежда, че говори, но и самото съдържание на неговото изказване.
Подобни възможности неизбежно пораждат въпроси за сигурността и достоверността на видеосъдържанието. Ако технологията бъде използвана неправомерно, тя може да промени думите на политици, корпоративни ръководители или журналисти по време на живо предаване.

Злонамерени лица биха могли да се опитат да прихванат видеопоток и да подменят изказванията в него. Това създава възможност за координирани кампании за дезинформация с политически, социални или корпоративни цели.
В патентната документация Microsoft предвижда няколко механизма за защита. Системата трябва да запазва оригиналния, необработен видеозапис като непроменяем първоизточник. Той е описан като своеобразна „неоспорима истина“ за действително случилото се.
Променената версия пък трябва да съдържа цифрови водни знаци и криптографски данни. Те ще позволяват на специализирани инструменти да установят, че видеото е обработено с изкуствен интелект. При спор за автентичността на съдържанието компетентните органи ще могат да получат достъп до защитения архив с оригиналния запис.
Освен техническите рискове технологията поставя и сложни правни и етични въпроси. Възможността за промяна на гласа, лицето и думите на човек в реално време засяга защитата на личността, авторските права и правото на контрол върху собственото изображение.

Телевизионни оператори, създатели на съдържание и публични личности могат да загубят част от контрола върху начина, по който техните изказвания достигат до аудиторията. Особено проблематично би било това да се случва без изричното им съгласие.
Затова експерти по технологична политика настояват за ясни правила за идентификация, задължителни визуални обозначения при AI обработка на живи предавания и законова защита срещу неправомерни промени.
Засега става дума за патент, а не за обявен готов продукт. Самото регистриране на патент не означава, че Microsoft непременно ще внедри технологията в свои услуги. То обаче показва една от посоките, в които компанията вижда потенциала на генеративния изкуствен интелект.



Post Comment