微软获AI专利：可实时“替人说话”

微软近日提交了一项AI系统专利申请，该技术能在直播视频中实时修改演讲者说出的话，并同步调整其面部和嘴型以匹配修改后的内容。这项专利由专利追踪机构Patentlyze率先发现，发明者在文件中将其描述为“面向直播活动的近实时人工智能视频或增强现实呈现增强系统”。系统通过AI代理识别并替换或删除特定词语，同时编辑演讲者的面部表情和口型，还会对删改词前后的视频和音频做平滑处理，避免出现明显跳帧或音画不同步。 从专利描述来看，这套系统的应用场景跨度很大。比较常规的用途包括实时翻译，让观众以自己偏好的语言同时看到和听到直播内容；也可以用来去除“嗯”“啊”等口头禅，或者抹掉结巴和语言障碍带来的停顿。但更进一步的用法就没那么温和了：专利明确提到，系统可以过滤“个人化词语或短语”以及“方言俗语”，比如美式英语中的“y'all”或“bite the bullet”；还能消除“含混不清的词、发音错误的词、用词不当、口误、冒犯性词汇、不敏感词汇或不恰当词汇”，替换词甚至可以从互联网搜索中自动获取。换句话说，直播可能不再“直播”——观众看到的版本，是根据个人偏好或预设参数实时加工过的版本。 微软在专利中还提到，原始直播视频和音频可以被录制并存储，作为“地面真值”保留，这似乎是对潜在滥用和混淆风险的某种回应。但问题依然存在：当观众可以按自己的口味调整别人的讲话，方言、口癖、语气词这些承载地域和个性特征的语言元素被系统性抹除，我们是否在把直播推向更深的个性化信息茧房？这项专利覆盖的直播场景包括讲座、演示、颁奖典礼、游戏和烹饪节目以及体育赛事等。微软方面暂未对此作出回应。