Microsoft patenteia IA para editar a fala ao vivo
A Microsoft apresentou um pedido de patente para um sistema de inteligência artificial capaz de alterar o vídeo e o áudio de apresentações ao vivo quase em tempo real. A tecnologia não se limita à faixa sonora: agentes de IA também ajustarão a imagem de quem fala, incluindo os movimentos dos lábios e as expressões faciais, para que correspondam à nova versão da fala.
De acordo com a descrição, o sistema poderá remover ou substituir palavras e expressões específicas, com base em parâmetros definidos previamente ou em perfis de usuário. O algoritmo também deverá adaptar o som e a imagem imediatamente antes e depois do trecho alterado, para que as transições pareçam naturais.
Entre as aplicações possíveis, a Microsoft cita a tradução de transmissões ao vivo para o idioma preferido do espectador. O sistema também poderá eliminar vícios de linguagem, corrigir a gagueira e outras particularidades da fala. A patente inclui ainda usos mais polêmicos: remoção de gírias e expressões regionais, correção de palavras pronunciadas ou empregadas de forma incorreta e filtragem de falas ofensivas ou inadequadas.
Para escolher as palavras de substituição, o sistema poderá recorrer, entre outros meios, à pesquisa na internet. A tecnologia deve ser aplicada em formatos variados: aulas, apresentações, programas de televisão, cerimônias, shows e transmissões esportivas.
Dessa forma, o espectador poderá receber não apenas uma tradução, mas também uma versão da apresentação editada sob medida, com formulações que o sistema considerar adequadas às suas configurações.
A patente prevê ainda a preservação do vídeo e do áudio originais como gravação de referência. Isso pode ajudar a distinguir a transmissão original da versão processada, mas a existência dessa função não elimina o risco de confusão na circulação de gravações alteradas.