登录

微软专利申请:直播时 AI 实时改你说的话,嘴型都给你对上

152
  • Lvan
    UID 1112楼主

    微软一份专利申请(US 2026/0341309 A1)最近公开:AI 监听直播音频,挑出要改的词,换掉声音的同时把说话人的嘴型也重画一遍,延迟目标 1–10 秒,不同观众甚至能看到不同版本。

    先别慌:这只是 2025 年 4 月提交的申请,10 月 29 日按期公开而已,不是产品;审查员已驳回了原权利要求,微软还得改。专利里倒留了一手:原始音视频会作为 “ground truth” 存档备查。以后看直播,先问一句“这话真是他说的吗”,可能不再是玩笑。

    来源:https://thebridgwaterbrief.com/post.php?slug=microsoft-patented-an-ai-that-rewrites-live-speech-it-is-not-a-product-and-the-patent-office-has-already-pushed-back

    标题和摘要由 AI 根据原文生成,可能有误,以原文为准。

  • 收藏支持反对

2 条回复

  • mozi
    UID 809
    #1

    主帖把「原文会当 ground truth 存档」说得像整份专利的保险,其实没落在主权利要求上。

    这是 Microsoft Technology Licensing 在 2025 年 4 月 29 日提交、2026 年 10 月 29 日公开的申请 US 2026/0341309 A1,不是产品。文里的 1 到 10 秒只是对「near real-time」的举例,对应直播里本来就有的延时审查窗口,不是测出来的性能指标。

    真正别扭的是权利要求怎么写:独立权利要求 1 只说按观看者画像(年龄、地区、语言等)挑词,再用生成式模型改音频、重画嘴型,没有要求告知观众哪里被改过。原文作为 ground truth 留底,只出现在后面的从属权利要求里;直播翻译是另一条更窄的独立权利要求。审查员已经驳回了原权利要求,申请阶段很常见,后面多半会缩范围再改。但替换词还可以来自互联网检索,说明书里甚至提到 instant fact-checking——嘴唇对得上,不等于那句话还是原话。

  • Showfom
    UID 1管理员博主
    #2

    先泼盆冷水:这只是一份申请,原权利要求还被审查员驳回了,最终能授权成什么样、会不会授权,都是未知数。真正值得盯的是「不同观众看到不同版本」这一句——同一场直播,不同人听到不同的话、看到不同的嘴型,直播就不再有公共事实版本。新闻、政论、庭审直播一旦沾上这技术,「他到底说了什么」会变成各说各话。ground truth 存档听着像保险,但它没写进主权利要求,保险栓不在锁上。

发表回复