Microsoft запатентувала ШІ, що змінює слова людей у прямому ефірі
· Майбутнє
Microsoft запатентувала систему ШІ, яка здатна в режимі реального часу редагувати слова, вимову та навіть міміку спікерів у прямих трансляціях.
Компанія Microsoft щойно подала патент на продукт зі штучним інтелектом, здатний змінювати відео в реальному часі, редагуючи слова та обличчя промовців.
Патент, на який вперше звернув увагу ресурс Patentlyze, описується розробниками як «покращення відео або презентацій доповненої реальності (AR) у прямому ефірі за допомогою штучного інтелекту (ШІ) у режимі, близькому до реального часу».
Використовуючи ШІ-агентів, система ідентифікує та змінює або видаляє певні слова, одночасно коригуючи обличчя та рухи губ промовця для відповідності новій звуковій доріжці. Агенти спиратимуться на задані параметри або профілі користувачів для внесення змін, а також редагуватимуть відео та аудіо безпосередньо перед і після видаленого чи заміненого слова, щоб забезпечити «плавні переходи».
В епоху, коли медіа та інтернет дедалі більше визначаються діпфейками на базі ШІ, дезінформацією та інформаційним шумом, система, описана в цьому патенті, може започаткувати новий світ інструментів фільтрації, які непомітно змінюють реальність у момент її трансляції — у цьому випадку на суто персоналізованому рівні. Глядачі, як припускає патент, зможуть споживати будь-яку живу подію, не чуючи того, чого вони не хочуть чути.
Потенційні варіанти використання, запропоновані в патенті, досить різноманітні. Одним із можливих застосувань є переклад у реальному часі, що дозволяє глядачам дивитися та слухати прямі трансляції іншими мовами.
У патенті також зазначено, що такий інструмент можна використовувати для видалення слів-паразитів, як-от «е-е» або «ну», чи для виправлення заїкання та дефектів мовлення.
Проте інші можливі варіанти використання йдуть значно далі. Згідно з патентом, систему можна застосовувати для скорочення «особистих слів або фраз», наприклад, «авторських термінів», а також «розмовних виразів» чи діалектизмів. У патенті також стверджується, що система може усувати «нерозбірливі, неправильно вимовлені, використані не за призначенням, помилкові, образливі, нетактовні або недоречні слова». Замінники слів, додають автори, можуть підбиратися за допомогою «інтернет-пошуку».
Іншими словами, прямі трансляції можуть перестати бути такими вже й «прямими».
Microsoft не надала оперативної відповіді на запит про коментар.
Дубляж існує вже давно, а відеоматеріали редагуються постійно — як зі звичайних причин, так і зі зловмисними. Однак автоматичне редагування відео в прямому ефірі за допомогою ШІ-агентів може докорінно змінити те, як аудиторія взаємодіє з контентом у реальному часі. Зараз, якщо людям не подобається те, що вони чують, вони можуть просто вимкнути трансляцію; система, описана Microsoft, створює середовище, де люди натомість зможуть підлаштовувати чужу мову під власні вподобання. Якщо відкинути переклад, то чи не призводить використання інструменту, який виправляє помилки або стирає слова й фрази, притаманні місцевим діалектам промовця, до ще глибшого занурення в «персоналізовані бульбашки»? Що поганого в тому, щоб почути, як хтось із Півдня каже «y’all»?
З огляду на це, у патенті все ж згадується, що оригінальне відео та аудіо події можуть записуватися та зберігатися як «об'єктивна істина», що є натяком на розуміння потенційних зловживань і плутанини, які можуть виникнути через такий інструмент.
Серед типів відео, які можуть трансформуватися цією системою: лекції, презентації, різноманітні телевізійні продукти — церемонії нагородження, ігрові та кулінарні шоу — а також спортивні події наживо, серед багатьох інших.
Оригінал: futurism.com