
Microsoft 申請 AI 專利:實時修改直播講者言論與口型
Microsoft 申請咗個新專利,可以用 AI 喺直播嗰陣即時改咗講者講過嘅嘢,連口型都幫你執埋。
點解重要
呢項技術雖然可以幫手做即時翻譯或者執走啲「嗯、啊」贅字,但如果用嚟改咗人哋原本講嘅嘢,我哋以後睇直播都未必係真,好似活喺一個「假嘅現實」入面咁。
新手貼士
雖然 AI 可以幫你執靚個樣同把聲,但喺商務會議或者重要場合,保持真實感往往比完美更重要,大家要留意呢類技術嘅道德界線呀。
術語小字典
AI 代理 (AI Agents):好似一個識自動做嘢嘅小助手,根據你設定嘅要求去執行任務,例如幫你搵錯字或者改片。
深偽技術 (Deepfakes):利用 AI 嚟合成假嘅影像或聲音,令到片入面嘅人好似講咗啲佢根本冇講過嘅嘢,真假難分。
地面事實 (Ground Truth):指最原始、未經修改嘅真實數據,用嚟對比返被 AI 改過之後嘅版本係咪準確。
Microsoft 申請 AI 專利:實時修改直播講者言論與口型
Microsoft 剛剛為一項人工智能(AI)產品申請了專利,該產品能夠實時轉換直播影片,以修改講者的言詞和面部表情。
這項專利最初由專利追踪機構 Patentlyze 發現,發明者將其描述為「對現場活動的影片或擴增實境(AR)演示進行近乎實時的人工智能(AI)增強」。
透過使用 AI 代理(AI agents),該系統可以識別並修改或刪除某些詞語,同時編輯講者的面部和嘴部以作匹配。這些代理將依賴預設參數或用戶個人檔案來進行更改,並會在刪除或替換詞語的前後編輯影片和音訊,以實現「平滑過渡」。
在一個媒體和互聯網日益被 AI 驅動的深偽技術(Deepfakes)、虛假資訊和資訊混亂所定義的時代,這項專利中描述的系統可能代表了一種新型的過濾工具,在現實發生時微妙地改變現實,而且在這種情況下是高度個人化的。專利建議,觀眾可以觀看任何他們想要的現場活動,而無需聽到他們不想聽到的內容。
專利中提出的潛在應用場景各有不同。其中一個可能的應用是實時翻譯,系統允許廣播和其他現場片段以觀眾偏好的語言進行視聽。
專利還假設,此類工具可用於從現場演講中刪除如「嗯」或「啊」之類的贅字,或消除口吃或語言障礙。
然而,其他可能的用途則更進一步。根據專利,該系統可用於減少「個人詞彙或短語」,例如「自創術語」,以及「口語化術語」,如「y’all」一詞或「bite the bullet」等短語。專利還聲稱,該系統可以消除「含糊不清的詞、發音錯誤的詞、誤用的詞、說錯的詞、冒犯性的詞、敏感的詞或不當的詞」。它補充指,替換詞可能來自「互聯網搜索」。
換句話說,現場直播畢竟可能不再那麼「現場」了。
Microsoft 沒有立即回應置評請求。
配音已經存在了很長時間,影片片段也經常被編輯,無論是出於正常原因還是陰險原因。然而,在 AI 代理的幫助下以這種方式自動編輯直播影片,可能會從根本上改變觀眾與現場片段的互動方式。就目前情況而言,如果人們不喜歡他們聽到的內容,他們可以簡單地關掉它;而 Microsoft 概述的系統則描述了一種環境,人們可以根據個人喜好調整別人的說話。撇開語言翻譯不談,使用一種消除錯誤、或擦除與講者地方方言相關的詞彙和短語的工具,是否會讓我們進一步陷入個人化的泡沫?聽到南方人說「y’all」到底有什麼不好?
為此,專利確實提到,活動的原始直播影片和音訊可能會被記錄和存儲,以備「地面事實」(ground truth)之需,這暗示了此類工具可能引起的潛在濫用和混亂。
可以被該系統轉換的現場片段類型包括講座、簡報、一系列電視製作——頒獎典禮、遊戲和烹飪節目——以及現場體育賽事等等。
更多關於大科技公司專利的消息:Meta 申請技術專利,通過持續分析你的語調來檢測你的情緒
資料來源
Futurism
Microsoft Patents an AI That Can Literally Put Words in People’s Mouths in Real Time - Futurism
本文由 AI 自動翻譯整理,內容以原文為準。
