Мајкрософт патентираше вештачка интелигенција што буквално им става зборови во уста на луѓето и менува говор и гримаси во живо
Технолошкиот гигант Мајкрософт (Microsoft) поднесе официјален патент за систем со вештачка интелигенција кој е способен во реално време да менува видео материјал во живо, директно менувајќи ги зборовите што ги изговара говорникот, како и движењето на неговите усни и изразот на лицето.
In This Article:
- Patentlyze прв го откри патентот за „подобрување на видео или аугментирана реалност (AR)“
- Автономни ВИ-агенти бришат збор, а потоа ги преправаат устата и лицето
- Гледачите би можеле да следат настан без воопшто да го слушнат она што не сакаат
- Превод во живо со усни што се движат според јазикот на гледачот
- Од „хмм“ и „ааа“ до целосно бришење пелтечење во директен етер
- Документацијата спомнува бришење „локални изрази или сленг“ и замени преку „автоматско интернет пребарување“
- Директниот пренос наскоро можеби нема да биде вистински директен пренос
- Наместо менување канал, секој поединец би можел да го прекројува туѓиот говор
- Авторите предлагаат немонтираното видео да се чува како „оригинална вистина“
Patentlyze прв го откри патентот за „подобрување на видео или аугментирана реалност (AR)“
Патентот, кој прв го откри сервисот за следење патенти Patentlyze, неговите изумители го опишуваат како технологија за „подобрување на видео или аугментирана реалност (AR) на настани во живо со вештачка интелигенција во речиси реално време“.
Автономни ВИ-агенти бришат збор, а потоа ги преправаат устата и лицето
Со помош на специјализирани автономни ВИ-агенти, системот автоматски детектира, менува или целосно отстранува одредени зборови. Притоа, дигитално го преправа лицето и устата на говорникот за совршено да се совпаднат со новиот изговор. Агентите се потпираат на однапред дефинирани параметри или лични кориснички профили. Тие прават микро-монтажа на видеото и звукот непосредно пред и по отстранетиот збор, со цел транзицијата да биде совршено мазна и незабележлива за гледачот.
Гледачите би можеле да следат настан без воопшто да го слушнат она што не сакаат
Во ера на дигитални медиуми и интернет сè повеќе преплавени со дипфејк содржини генерирани од вештачка интелигенција, дезинформации и информативен шум, овој патент може да означи почеток на нова генерација алатки за филтрирање. Тие алатки суптилно ја менуваат реалноста додека таа се одвива, и тоа на високо персонализирано ниво. Според патентот, гледачите би можеле да следат кој било настан во живо без воопшто да го слушнат она што не сакаат да го слушнат.
Превод во живо со усни што се движат според јазикот на гледачот
Потенцијалните сценарија за примена наведени во патентот се најразлични. Една можна практична примена е симултаниот превод во живо. Телевизиските преноси и други снимки во живо би можеле истовремено да се слушаат и гледаат на посакуваниот јазик на гледачот, при што усните на говорникот совршено се движат според преведениот јазик.
Од „хмм“ и „ааа“ до целосно бришење пелтечење во директен етер
Патентот исто така предвидува дека ваквата алатка би можела да се користи за отстранување на паузи и паразитни звуци како „хмм“ или „ааа“. Во истата логика, системот би можел целосно да брише пелтечење или говорни мани во директен етер.
Документацијата спомнува бришење „локални изрази или сленг“ и замени преку „автоматско интернет пребарување“
Сепак, другите предложени употреби одат далеку подлабоко. Според документацијата, системот би можел автоматски да исфрла „локални изрази или сленг“, како и специфични дијалектни фрази. Патентот дури наведува дека технологијата може да елиминира „проголтани зборови, погрешно изговорени термини, навредливи зборови, нечувствителни или несоодветни фрази“. Заменските зборови, пак, би можеле да се преземаат директно преку „автоматско интернет пребарување“.
Директниот пренос наскоро можеби нема да биде вистински директен пренос
Со други зборови, директните телевизиски преноси во живо наскоро можеби воопшто нема да бидат вистински преноси во живо. Синхронизацијата постои со децении, а видео материјалите редовно се монтираат. Но автоматското цензурирање и менување на снимките во директен етер со помош на вештачка интелигенција фундаментално го менува начинот на кој публиката ја доживува реалноста.
Наместо менување канал, секој поединец би можел да го прекројува туѓиот говор
Доколку денес на гледачите не им се допаѓа она што го слушаат, тие можат едноставно да го сменат каналот или да го исклучат уредот. Системот што го предлага Мајкрософт опишува иднина во која секој поединец ќе може дигитално да го прекројува туѓиот говор според сопствениот вкус и чувствителност.
Авторите предлагаат немонтираното видео да се чува како „оригинална вистина“
Свесни за потенцијалната злоупотреба и општа конфузија, авторите на патентот напоменуваат дека оригиналното немонтирано видео и аудио сепак би можело паралелно да се снима и архивира како „оригинална вистина“. Како формати погодни за ваква дигитална преправка се наведуваат универзитетски предавања, деловни презентации, доделувања награди, квизови, кулинарски емисии и спортски натпревари во живо.