🌐 Microsoft patenta IA para modificar discursos en videos en tiempo real
Microsoft patenta una IA que pot literalment posar paraules a la boca de la gent en temps real
Microsoft ha presentat una patent per a un producte d'intel·ligència artificial (IA) capaç de transformar vídeos en directe en temps real, alterant les paraules i els rostres dels oradors. Aquesta innovació, detectada inicialment pel rastrejador de patents Patentlyze, es descriu com una "millora d'intel·ligència artificial en temps gairebé real per a presentacions de vídeo o realitat augmentada (AR) d'esdeveniments en directe".
El sistema utilitza agents d'IA per identificar i modificar o eliminar certes paraules, ajustant el rostre i la boca de l'orador perquè coincideixin amb els canvis. Aquests agents es basen en paràmetres establerts o perfils d'usuari per realitzar les modificacions, editant el vídeo i l'àudio just abans i després d'una paraula eliminada o reemplaçada per assegurar "transicions suaus".
En una era on els deepfakes i la desinformació alimentada per la IA són cada cop més comuns, aquest sistema podria representar una nova generació d'eines de filtratge que alteren subtilment la realitat en temps real, a nivell altament personalitzat. Segons suggereix la patent, els espectadors podrien consumir qualsevol esdeveniment en directe sense escoltar el que no desitgen sentir.
Les possibles aplicacions d'aquest sistema són variades. Una d'elles és la traducció en temps real, permetent que les transmissions i altres metratges en directe es vegin i escoltin en l'idioma preferit de l'espectador. La patent també suggereix que aquesta eina podria usar-se per eliminar crosses com "eh" o "ah" del discurs en directe, o per esborrar tartamudeigs o impediments de la parla.
No obstant això, altres aplicacions van molt més enllà. Segons la patent, el sistema podria usar-se per reduir "paraules o frases personals" com "termes encunyats", així com "termes col·loquials" com "vosaltres" o l'expressió "mossegar la bala". La patent també afirma que el sistema podria eliminar "paraules murmurades, mal pronunciades, mal usades, mal dites, ofensives, insensibles o inapropiades". Les paraules de reemplaçament, afegeix, podrien provenir d'una "cerca a internet".
En altres paraules, les transmissions en directe podrien no ser tan en directe després de tot. Microsoft no va respondre immediatament a una sol·licitud de comentaris.
El doblatge ha existit durant dècades, i les imatges de vídeo s'editen tot el temps, tant per raons normals com insidioses. Editar automàticament vídeos en directe d'aquesta manera amb l'ajuda d'agents d'IA podria canviar fonamentalment la manera com les audiències interactuen amb el metratge en directe. Actualment, si a les persones no els agrada el que escolten, simplement poden apagar-ho; el sistema descrit per Microsoft descriu un entorn on les persones poden ajustar el discurs d'una altra persona al seu gust personal. A part de la traducció d'idiomes, l'ús d'una eina que elimina errors o esborra paraules i frases associades amb el dialecte local d'un orador ens porta més cap a bombolles personalitzades? Què té de dolent escoltar algú del sud dir "vosaltres"?
Per a aquest fi, la patent menciona que el vídeo i àudio en directe original d'un esdeveniment poden ser gravats i emmagatzemats per al propòsit de "veritat de base", reconeixent el possible mal ús i confusió que podria sorgir d'aquesta eina.
Els tipus de metratge en directe que podrien ser transformats pel sistema inclouen conferències, presentacions, una varietat de produccions televisives — cerimònies de premis, programes de jocs i cuina — i esports en directe, entre altres.
Font: https://futurism.com/artificial-intelligence/microsoft-patents-ai-words-in-peoples-mouths
Microsoft Patents an AI That Can Literally Put Words in People’s Mouths in Real Time
Microsoft ha presentado una patente para un producto de inteligencia artificial (IA) capaz de transformar videos en vivo en tiempo real, alterando las palabras y rostros de los oradores. Esta innovación, detectada inicialmente por el rastreador de patentes Patentlyze, se describe como una «mejora de inteligencia artificial en tiempo casi real para presentaciones de video o realidad aumentada (AR) de eventos en vivo».
El sistema utiliza agentes de IA para identificar y modificar o eliminar ciertas palabras, ajustando el rostro y la boca del orador para que coincidan con los cambios. Estos agentes se basan en parámetros establecidos o perfiles de usuario para realizar las modificaciones, editando el video y el audio justo antes y después de una palabra eliminada o reemplazada para asegurar «transiciones suaves».
En una era donde los deepfakes y la desinformación alimentada por la IA son cada vez más comunes, este sistema podría representar una nueva generación de herramientas de filtrado que alteran sutilmente la realidad en tiempo real, a nivel altamente personalizado. Según sugiere la patente, los espectadores podrían consumir cualquier evento en vivo sin escuchar lo que no desean oír.
Las posibles aplicaciones de este sistema son variadas. Una de ellas es la traducción en tiempo real, permitiendo que las transmisiones y otros metrajes en vivo se vean y escuchen en el idioma preferido del espectador. La patente también sugiere que esta herramienta podría usarse para eliminar muletillas como «eh» o «ah» del discurso en vivo, o para borrar tartamudeos o impedimentos del habla.
Sin embargo, otras aplicaciones van mucho más allá. Según la patente, el sistema podría usarse para reducir «palabras o frases personales» como «términos acuñados», así como «términos coloquiales» como «ustedes» o la expresión «morder la bala». La patente también afirma que el sistema podría eliminar «palabras murmuradas, mal pronunciadas, mal usadas, mal dichas, ofensivas, insensibles o inapropiadas». Las palabras de reemplazo, añade, podrían provenir de una «búsqueda en internet».
En otras palabras, las transmisiones en vivo podrían no ser tan en vivo después de todo. Microsoft no respondió de inmediato a una solicitud de comentarios.
El doblaje ha existido durante décadas, y las imágenes de video se editan todo el tiempo, tanto por razones normales como insidiosas. Editar automáticamente videos en vivo de esta manera con la ayuda de agentes de IA podría cambiar fundamentalmente la forma en que las audiencias interactúan con el metraje en vivo. Actualmente, si a las personas no les gusta lo que escuchan, simplemente pueden apagarlo; el sistema descrito por Microsoft describe un entorno donde las personas pueden ajustar el discurso de otra persona a su gusto personal. Aparte de la traducción de idiomas, ¿el uso de una herramienta que elimina errores o borra palabras y frases asociadas con el dialecto local de un orador nos lleva más hacia burbujas personalizadas? ¿Qué tiene de malo escuchar a alguien del sur decir «ustedes»?
Para ese fin, la patente menciona que el video y audio en vivo original de un evento pueden ser grabados y almacenados para el propósito de «verdad de base», reconociendo el posible mal uso y confusión que podría surgir de tal herramienta.
Los tipos de metraje en vivo que podrían ser transformados por el sistema incluyen conferencias, presentaciones, una variedad de producciones televisivas — ceremonias de premios, programas de juegos y cocina — y deportes en vivo, entre otros.
Fuente: https://futurism.com/artificial-intelligence/microsoft-patents-ai-words-in-peoples-mouths
Microsoft Patents an AI That Can Literally Put Words in People’s Mouths in Real Time
Microsoft has filed a patent for an artificial intelligence (AI) product capable of transforming live videos in real time, altering the words and faces of speakers. This innovation, initially detected by the patent tracker Patentlyze, is described as an "artificial intelligence enhancement in near real-time for video presentations or augmented reality (AR) of live events."
The system uses AI agents to identify and modify or remove certain words, adjusting the speaker's face and mouth to match the changes. These agents rely on established parameters or user profiles to make the modifications, editing the video and audio just before and after a word is removed or replaced to ensure "smooth transitions."
In an era where deepfakes and AI-fuelled misinformation are increasingly common, this system could represent a new generation of filtering tools that subtly alter reality in real time, at a highly personalised level. According to the patent, viewers could consume any live event without hearing what they do not wish to hear.
The possible applications of this system are varied. One of them is real-time translation, allowing broadcasts and other live footage to be viewed and heard in the viewer's preferred language. The patent also suggests that this tool could be used to remove filler words like "um" or "ah" from live speech, or to erase stutters or speech impediments.
However, other applications go much further. According to the patent, the system could be used to reduce "personal words or phrases" such as "coined terms," as well as "colloquial terms" like "y'all" or the expression "bite the bullet." The patent also claims that the system could eliminate "mumbled, mispronounced, misused, misspoken, offensive, insensitive, or inappropriate words." Replacement words, it adds, could come from an "internet search."
In other words, live broadcasts might not be so live after all. Microsoft did not immediately respond to a request for comment.
Dubbing has existed for decades, and video images are edited all the time, for both normal and insidious reasons. Automatically editing live videos in this way with the help of AI agents could fundamentally change the way audiences interact with live footage. Currently, if people do not like what they hear, they can simply turn it off; the system described by Microsoft outlines an environment where people can adjust someone else's speech to their personal liking. Aside from language translation, does using a tool that removes errors or erases words and phrases associated with a speaker's local dialect lead us further towards personalised bubbles? What's wrong with hearing someone from the South say "y'all"?
To that end, the patent mentions that the original live video and audio of an event can be recorded and stored for the purpose of "ground truth," acknowledging the potential misuse and confusion that could arise from such a tool.
The types of live footage that could be transformed by the system include conferences, presentations, a variety of television productions — award ceremonies, game shows, and cooking shows — and live sports, among others.
Source: https://futurism.com/artificial-intelligence/microsoft-patents-ai-words-in-peoples-mouths
¿Te ha interesado esta noticia?
Recibe cada mañana el resumen de IA y sociedad directo en tu email.
Suscríbete gratis →