Riassunto:
Una domanda di brevetto recentemente divulgata da Microsoft ha attirato l'attenzione di molti. Secondo il documento di brevetto, l'azienda sta ricercando un sistema di intelligenza artificiale in grado di modificare il contenuto del parlato in tempo reale durante la trasmissione in diretta e contemporaneamente regolare i movimenti della bocca e del viso di chi parla, in modo che il pubblico possa vedere l'immagine video naturale modificata.
Questo brevetto si chiama "Real-time Artificial Intelligence Enhanced Video o Augmented Reality Live Presentation Technology" ed è stato originariamente presentato nell'aprile 2025 e reso ufficialmente pubblico nell'ottobre 2026. Il documento mostra che il sistema non solo può modificare il contenuto vocale nella trasmissione dal vivo, ma anche utilizzare l'intelligenza artificiale generativa per elaborare lo schermo video per rendere la forma della bocca del personaggio coerente con la voce modificata.
Secondo la descrizione del brevetto, il sistema monitorerà continuamente il flusso audio dal vivo e identificherà automaticamente le parole o le frasi che devono essere regolate tramite l'agente AI. Dopo aver scoperto il contenuto di destinazione, l'intelligenza artificiale generativa sostituirà, cancellerà o riscriverà l'audio, modificando i movimenti facciali, le forme delle labbra e le traiettorie dei movimenti della bocca nei fotogrammi video pertinenti, in modo che l'immagine finale sembri come se l'oratore avesse originariamente detto il contenuto modificato.
Microsoft definisce l'intero processo nel documento come elaborazione "quasi in tempo reale", il che significa che c'è solo un ritardo di pochi secondi dalla raccolta del contenuto al completamento della modifica. Le soluzioni correlate possono essere applicate sia a scenari di post-elaborazione che di trasmissione in diretta.
Il brevetto elenca una varietà di potenziali scenari applicativi. Uno degli usi principali è la traduzione in tempo reale. Il sistema può tradurre istantaneamente il discorso dell'oratore nella lingua madre del pubblico e sincronizzare la sincronizzazione labiale nel video con il contenuto tradotto, evitando così il senso di dissonanza causato dal doppiaggio o dai sottotitoli tradizionali.
Inoltre, il sistema può anche eliminare automaticamente slogan e parole di riempimento come "um" e "ah" e correggere lapsus verbali, errori di pronuncia ed espressioni imprecise, rendendo il discorso più fluido e naturale. Il brevetto menziona inoltre che il sistema può filtrare il linguaggio volgare, il vocabolario delicato, le espressioni e le parole offensive in alcuni dialetti regionali in base alle preferenze del pubblico e fornire una presentazione personalizzata dei contenuti per diversi gruppi.
In alcune configurazioni, le sostituzioni possono anche essere generate automaticamente dalle ricerche sul Web per trovare espressioni più precise o contestuali in tempo reale.
Microsoft prevede inoltre di utilizzare la tecnologia in conferenze, cerimonie di premiazione, trasmissioni sportive, programmi di cucina e una varietà di programmi televisivi in diretta. Correggendo automaticamente i contenuti e le espressioni vocali, è possibile ridurre il carico di lavoro manuale di post-editing e migliorare l'efficienza della produzione dei contenuti.
Tuttavia, questa tecnologia ha anche innescato discussioni sull'autenticità delle informazioni. Poiché il sistema può modificare direttamente il contenuto delle ultime parole dell'oratore presentate al pubblico durante la trasmissione in diretta, alcuni analisti temono che la tecnologia possa essere utilizzata in futuro per modificare il contenuto dei discorsi dei politici, delle dichiarazioni aziendali e persino delle notizie, aumentando così il rischio di diffusione di informazioni false.
Per questo problema Microsoft ha proposto nel brevetto anche una soluzione corrispondente. Il sistema conserverà l'audio e il video originali e non modificati come "registrazione fattuale di base" per la verifica in caso di controversie, indagini o esigenze legali, secondo il documento. Alcuni piani menzionano anche la conservazione delle tracce delle modifiche attraverso l'identificazione digitale e altri metodi.
Vale la pena notare che l'attuale divulgazione è solo una richiesta di brevetto, il che non significa che Microsoft abbia lanciato prodotti correlati, né significa che la relativa tecnologia verrà eventualmente commercializzata. L’industria tecnologica è da tempo disseminata di idee brevettate che non sono mai state implementate, quindi resta da vedere se il sistema apparirà nei prodotti futuri.
Tuttavia, poiché l'intelligenza artificiale generativa e le capacità di elaborazione video in tempo reale continuano a migliorare, questo brevetto mostra la possibile direzione di sviluppo della futura tecnologia di trasmissione in diretta. Oltre a migliorare l’efficienza della traduzione e l’ottimizzazione dei contenuti, anche il modo in cui bilanciare praticità e autenticità dei contenuti diventerà una questione importante per le future applicazioni di intelligenza artificiale.
Commenti