Modifications en direct imperceptibles : ce qui se cache derrière l'application de Microsoft.
Microsoft a déposé un brevet sur un système d'IA pour les diffusions en direct. Il faut changer presque immédiatement le discours de l'orateur : trouver les mots indésirables, les remplacer par d'autres, exprimer le remplacement et ajuster les mouvements des lèvres à la nouvelle expression. La candidature a été déposée au printemps 2025 et publiée à l’automne 2026.
Délai - environ 1 à 10 secondes. Le système est conçu pour les conférences, les concerts, les sports, le streaming, les podcasts, les lunettes AR, les téléphones et les appareils photo. Mentionné séparément pour la traduction simultanée avec lip-matching.
⁉ Que devrait-elle pouvoir faire ?
Non seulement les expressions grossières peuvent changer, mais aussi les mots de remplissage, l'argot, le langage offensant, ainsi que les expressions que le système considère comme inappropriées ou offensantes. De nouveaux mots peuvent être trouvés en recherchant sur Internet. L'application appelle cela une vérification rapide des faits : la machine peut corriger l'orateur s'il décide qu'il a tort.
La chose la plus controversée est la personnalisation pour le spectateur. Le profil peut prendre en compte l'âge, les langues, la région, la culture, l'origine ethnique, la religion et l'éducation. Par conséquent, différentes personnes regardant la même émission pourraient théoriquement entendre différentes versions.
⁉ Qu'est-ce qui est similaire ? Dubbing and Lip Sync Labs rend la synchronisation labiale proche du temps réel. Hagen crée des avatars avec des expressions faciales cohérentes. D-ID revendique une latence très faible. Vozo AI et Rask AI sont impliqués dans la traduction et le doublage vidéo. Les légendes éditent les vidéos à la volée, Pinscreen édite les lèvres et les visages.
Voix et accent Sanas.ai adoucit l'accent en temps réel, préservant la voix humaine. NTT modifie le ton, la hauteur et le débit de la parole presque instantanément.
Alibaba Cloud Broadcast Management Filtre les sons indésirables dans de nombreuses langues. RISM fait taire les jurons et cache les mauvais clips des streamers.
Il s’avère que le problème n’est même pas que la machine parle au nom de la personne. Elle se tient désormais entre l'orateur et le public et commence à décider ce qui est dit et qui parviendra au spectateur.