Microsoft patentiert KI zur Sprachbearbeitung im Livestream
Microsoft hat ein Patent für ein KI-System angemeldet, das Video und Audio von Live-Auftritten nahezu in Echtzeit verändern kann. Die Technologie beschränkt sich nicht auf die Tonspur: KI-Agenten sollen auch das Bild der sprechenden Person anpassen, darunter Lippenbewegungen und Mimik, damit sie zur neuen Fassung der Rede passen.
Laut Beschreibung kann das System einzelne Wörter und Wendungen entfernen oder ersetzen. Dabei stützt es sich auf vorab festgelegte Parameter oder Nutzerprofile. Zudem soll der Algorithmus Ton und Bild unmittelbar vor und nach dem geänderten Abschnitt angleichen, damit die Übergänge natürlich wirken.
Als Einsatzmöglichkeit nennt Microsoft die Übersetzung von Livesendungen in die vom Zuschauer bevorzugte Sprache. Das System soll außerdem Füllwörter entfernen sowie Stottern und andere Sprechbesonderheiten korrigieren. Zu den umstrittenen Varianten im Patent zählen das Entfernen von Umgangssprache und regionalen Ausdrücken, die Korrektur falsch ausgesprochener oder falsch verwendeter Wörter sowie das Filtern beleidigender und unpassender Äußerungen.
Ersatzwörter kann das System der Beschreibung zufolge unter anderem per Internetsuche auswählen. Die Technologie soll in vielen Formaten zum Einsatz kommen: bei Vorlesungen, Präsentationen, Fernsehsendungen, Zeremonien, Shows und Sportübertragungen.
So könnte der Zuschauer nicht nur eine Übersetzung erhalten, sondern auch eine individuell bearbeitete Version des Auftritts mit Formulierungen, die das System für seine Einstellungen als passend erachtet.
Das Patent sieht außerdem vor, das ursprüngliche Video und Audio als Referenzaufnahme zu speichern. Das kann helfen, die Originalübertragung von der bearbeiteten Fassung zu unterscheiden, schließt Verwechslungen bei der Verbreitung veränderter Aufnahmen jedoch nicht aus.