Microsoft chce opatentować AI do zmiany słów na żywo. Poprawi też błędy merytoryczne

Opublikowany 29 października wniosek patentowy, złożony jeszcze w ub.r., opisuje system działający z opóźnieniem od jednej do 10 sekund. To poziom zbliżony do opóźnień stosowanych w telewizji na żywo. Według PAP agent AI analizuje dźwięk, wybiera fragmenty do zmiany według ustalonych parametrów i profilu odbiorcy, a następnie generuje nowy dźwięk oraz obraz z odpowiednio dopasowanym ruchem ust.

Z opisu wynalazku wynika, że technologia mogłaby usuwać m.in. słowa-wypełniacze, przejęzyczenia oraz wyrazy uznane za obraźliwe. To, które sformułowania system potraktuje jako niestosowne, miałoby zależeć od profilu widza, w tym jego wieku, języka, pochodzenia czy religii.

Microsoft wskazuje też na inne możliwe zastosowania. Wśród nich wymieniono tłumaczenie na żywo, spotkania dyplomatyczne, międzynarodowe narady, podcasty, filmy i wykłady.

W opisie pojawia się również możliwość "korekty na żywo nieprawdziwych lub wprowadzających w błąd informacji". System miałby sprawdzać prawdziwość twierdzeń wypowiadanych w internecie i aktualizować je "zgodnie z obecną wiedzą".

Samo opublikowanie wniosku nie oznacza ani przyznania patentu, ani zapowiedzi gotowego produktu. Portal Patentlyze podał, że ekspert USPTO odrzucił zgłoszenie w pierwszej ocenie. Taka sytuacja jest częsta i zwykle prowadzi do nanoszenia poprawek przez wnioskodawcę.

Wniosek zwraca uwagę także z innego powodu. Nie ma w nim wzmianki o zgodzie mówcy na wprowadzanie zmian ani o obowiązku informowania widza, że materiał został zmodyfikowany. Jedno z zastrzeżeń przewiduje jedynie przechowywanie oryginalnego nagrania jako punktu odniesienia.

Firma uzasadnia pomysł tym, że poprawianie niedoskonałości wypowiedzi w materiałach wideo wymaga dziś specjalistycznych narzędzi i pracy wykwalifikowanych techników. Nowy system AI miałby ten proces zautomatyzować i przyspieszyć.