微软：新人工智能专利实现实时语音修改和口型同步

09:05

微软已获得一项人工智能技术专利，旨在修改视频录制中人们所说的话，并相应调整他们的口型，这可能为实时翻译和视听编辑开辟新的可能性。

该技术在一份名为《利用人工智能增强视频流》的专利申请中进行了描述，可能会改变观众消费数字内容的方式。然而，其潜在应用也引发了关于在一个越来越受到人工智能生成媒体影响的时代，视听信息可靠性的重要问题。

可以重写屏幕上语音的人工智能系统

该专利系统旨在同时干预视频的音频和视觉组件。通过处理这两个元素，该技术可以在修改发言者的口型以匹配新生成的语音的同时，替换发言者的原始话语。

据报道，该过程预计将在一到十秒的延迟范围内运行，允许在进行中的视频流中进行修改。

除了改变口语外，该技术还可以改善录制对话的整体质量。其潜在功能包括消除口头犹豫、纠正发音错误、过滤冒犯性表达和减少不必要的背景噪音。

这样的能力可以使数字演示、采访和在线交流更加精致，而无需大量后期制作工作。

微软专利技术的另一个显著方面是其个性化口语内容的潜力。

该系统可以考虑不同用户的偏好，包括语言、年龄和地理位置。它还可能调整非正式表达或不熟悉的词汇，以使对话对特定观众更易于理解。

实时翻译代表了另一个特别有前景的应用。该技术可以在同步发言者的口型与新语言的同时生成翻译语音，而不仅仅是添加字幕或替换原始音轨。

这种方法可能会显著改变观看国际会议、在线会议、采访和视听作品的体验。

它还可能通过减少为不同语言观众调整内容所涉及的技术障碍，颠覆传统的配音和翻译方法。

尽管该技术具有潜在好处，但也引发了人们对区分真实录音与人工智能修改内容的日益困难的担忧。

在保留自然对话外观的同时改变某人的陈述的能力，可能会为误导观众创造机会。观众可能会听到那些实际上从未由屏幕上的人说过的话，而没有立即意识到原始录音已被修改。

这种可能性为围绕深度伪造、数字操控和虚假信息的持续辩论增添了另一个维度。

专利中概述的一项特征是保留视频流的原始未修改版本。这可以提供一个参考，以便与修改后的内容进行比较。

该技术还被描述为可能与多种设备兼容，包括智能手机、平板电脑、相机和智能眼镜。

尽管该专利提供了微软探索先进人工智能应用的见解，但其注册并不一定意味着公司打算发布商业产品。

微软尚未宣布该技术的部署时间表。此外，专利描述并未明确观众将如何被告知视频已被修改，或如何验证修改内容的真实性。

目前，该项目展示了与日益复杂的人工智能系统相关的机遇和风险，这些系统能够改变视听通信。

随着这些技术的发展，透明性和可靠的认证机制可能会变得至关重要，以维护公众对数字媒体的信任。

关键词：