Представьте, что вы смотрите прямой эфир, в котором ведущий произносит совершенно одни слова, а вы слышите другие. При этом движения его губ идеально совпадают с изменённой речью, поэтому заметить вмешательство практически невозможно. Именно такую технологию описывает новая патентная заявка Microsoft. Она предполагает использование искусственного интеллекта для редактирования речи в режиме реального времени с учётом индивидуальных особенностей зрителя.
Документ, поданный в конце октября 2026 года, недавно привлёк внимание специалистов по анализу патентов. Разработанная концепция позволяет ИИ распознавать отдельные слова в аудиопотоке трансляции, заменять их другими и корректировать изображение говорящего так, чтобы изменения выглядели естественно.
Хотя Microsoft позиционирует разработку прежде всего как инструмент для улучшения качества трансляций и перевода, её возможности вызывают вопросы о достоверности информации и будущем видеоконтента.
Как работает технология: искусственный интеллект редактирует речь на лету
Согласно описанию патента, система анализирует звуковую дорожку прямой трансляции и обнаруживает определённые слова или выражения. Затем алгоритм решает, нужно ли их заменить, ориентируясь на информацию из профиля зрителя.
В числе возможных параметров упоминаются:
- возраст пользователя;
- его местоположение;
- родной язык.
Например, система может адаптировать речь ведущего для разных возрастных категорий, заменять сложные выражения более понятными аналогами или учитывать языковые предпочтения аудитории.
Предусмотрены и другие варианты редактирования. Искусственный интеллект сможет удалять слова-паразиты, сокращать ненужные паузы, очищать речь от ненормативной лексики. Кроме того, в патенте рассматривается возможность замены отдельных слов с учётом информации, найденной в интернете.
Последний вариант особенно интересен: теоретически система сможет изменять формулировки в зависимости от контекста и доступных сведений. Это открывает возможности не только для улучшения подачи материала, но и для автоматической проверки фактов.
Однако здесь возникает принципиальный вопрос: кто будет определять, какие именно слова необходимо заменить и насколько допустимо изменять первоначальный смысл высказывания?
Незаметная подмена: ИИ научится корректировать движения губ
Самая необычная особенность разработки заключается не столько в изменении звука, сколько в способности скрывать сам факт редактирования.
Если искусственный интеллект заменит произнесённое слово, исходная видеозапись перестанет соответствовать новой аудиодорожке. Зритель может заметить рассинхронизацию между движениями губ и голосом.
Чтобы этого не происходило, Microsoft предлагает корректировать изображение лица говорящего. Алгоритм сможет изменять движения губ в отдельных кадрах, подстраивая их под новую звуковую дорожку.
В результате зритель увидит человека, чья мимика и артикуляция будут соответствовать уже изменённой речи.
По сути, речь идёт о сочетании технологий распознавания речи, генеративного ИИ и обработки видеопотока. Причём всё это должно происходить непосредственно во время трансляции, без необходимости предварительно записывать и монтировать видео.
Проблема заключается в том, что зритель может даже не подозревать о вмешательстве искусственного интеллекта. В описании патента не уточняется, будет ли система сообщать пользователю о внесённых изменениях и объяснять причины замены тех или иных слов.
Перевод прямых трансляций с синхронизацией губ
В патентной заявке рассматривается и отдельный сценарий применения технологии — автоматический перевод видеотрансляций.
Подобные решения уже существуют. Например, YouTube предлагает инструменты перевода аудиодорожек с использованием искусственного интеллекта. Однако разработка Microsoft предусматривает дополнительную возможность: синхронизацию движений губ говорящего с переведённой речью.
Это означает, что зритель сможет смотреть выступление иностранного спикера и слышать перевод на родном языке, при этом движения его губ будут соответствовать произносимым словам на языке перевода.
Важное отличие этого сценария от описанного выше редактирования заключается в сохранении оригинальной записи в качестве эталонного источника — так называемой ground truth. Иными словами, исходное содержание остаётся доступным для сравнения с результатом перевода.
Такая технология могла бы сделать международные конференции, образовательные мероприятия, интервью и прямые эфиры значительно доступнее для людей, не владеющих языком выступающего.
Не только Microsoft: индустрия экспериментирует с ИИ в реальном времени
Патент Microsoft вписывается в более широкую тенденцию: крупные технологические компании активно исследуют возможности генеративного искусственного интеллекта для изменения цифрового контента непосредственно в процессе его использования.
В частности, в июле 2026 года Microsoft подала ещё одну патентную заявку, посвящённую использованию ИИ для изменения программного кода видеоигр. Предполагалось, что система сможет адаптировать игровой контент с учётом поведения пользователя.
Своими разработками занимается и Sony. Компания подала несколько патентных заявок, в которых рассматривается применение искусственного интеллекта для повышения производительности игр и сокращения задержки ввода.
Одна из описанных концепций предполагает прогнозирование следующих кадров и действий игрока. Другая предусматривает управление темпом игрового процесса, уровнем сложности и другими параметрами. Более того, ИИ потенциально сможет временно подменять игрока в сетевой игре, если тот покинет сессию.
Все эти проекты объединяет одна идея: искусственный интеллект постепенно перестаёт быть просто инструментом создания контента и превращается в технологию, способную изменять его непосредственно во время взаимодействия с пользователем.
Технологический прогресс или новая угроза достоверности информации?
Несмотря на впечатляющие возможности, патент Microsoft поднимает серьёзную проблему. Если искусственный интеллект способен незаметно менять слова человека в прямом эфире и одновременно корректировать изображение его лица, где проходит граница между адаптацией контента и подделкой?
Потенциальные преимущества очевидны: автоматическая очистка речи, адаптация материалов для разных аудиторий, перевод с синхронизацией губ и, возможно, проверка фактов. Но те же инструменты могут использоваться для изменения смысла высказываний, распространения дезинформации и создания убедительных поддельных видеозаписей.
Особую тревогу вызывает то, что технологии подмены лиц и голоса уже применяются мошенниками. Возможность менять не только внешность человека, но и содержание его речи непосредственно в трансляции способна сделать подобные манипуляции ещё сложнее для обнаружения.
Впрочем, важно помнить: патентная заявка ещё не означает, что компания собирается выпускать соответствующий продукт. Технологические корпорации ежегодно патентуют множество концепций, значительная часть которых никогда не превращается в коммерческие решения.
Сама Microsoft объясняет разработку задачами улучшения трансляций и перевода. Тем не менее этот проект наглядно демонстрирует, насколько далеко может зайти развитие генеративного ИИ. В будущем привычное правило «я слышу то, что человек действительно сказал» может перестать быть само собой разумеющимся.
