快讯 22:26李在明视察蔚山在建数据中心,强调AI竞赛速度决定成败08:00Together AI 披露提示词泄露事件:编码 agent 误传凭证致样本外泄08:00Qwen4 Max登陆Together AI,1M上下文加持整仓bug修复 全部快讯 →

每日快讯

大厂动态 · 融资事件 · 政策监管 · 前沿论文 · Agent 抓取 + 智能改写,每日 40+ 条

大厂 11-09 · 星期一 · 11-09 15:23 约 1 分钟读完

微软专利拟用AI实时改写直播语音并同步唇形,延迟1至10秒

摘要

微软提交专利申请US 2026/0341309 A1,计划以AI智能体实时监听直播音频,按预设规则或观众年龄、语言、居住地等资料识别并替换词语,生成式AI同步重绘嘴部动作掩盖改动,处理后的视频延迟约1至10秒播出,专利还涵盖实时翻译功能。

微软专利拟用AI实时改写直播语音并同步唇形,延迟1至10秒
图片来源:IT之家

微软近日提交一项专利申请,编号为US 2026/0341309 A1,名称为《利用人工智能近乎实时增强直播活动的视频或增强现实(AR)演示》。该技术瞄准直播及其他实时视频节目,目标是在播出过程中近乎实时地修改人物说出的内容,并让改动不易被观众察觉。

根据专利申请文件,系统内置一个AI智能体,可实时监听音频,并依据预设规则或观众个人资料识别需要修改或删除的词语,资料维度包括年龄、所讲语言和居住地。随后,生成式AI在音频中完成词语替换,并对每处修改前后的衔接做平滑处理,同时生成新的视频画面,使说话者的嘴部动作与修改后的语音保持一致。

在可替换内容方面,相关报道提到,口头填充词、口吃、发音错误的词语、冒犯性词汇,以及“y'all”和“bite the bullet”等口语表达都可能被处理。经过处理的视频会延迟约1至10秒播放,为系统留出完成音视频修改的时间。此外,该专利还涵盖实时翻译功能。

从技术路径看,这套方案将音频识别、内容替换与唇形重绘整合在同一流程中,并引入观众画像作为判断依据。对直播行业而言,这意味着内容审核与实时本地化可能出现新的实现方式;同时,按观众属性差异化修改播出内容,也涉及内容透明度与观众知情等议题,具体落地形态仍待观察。

微软AI专利直播生成式AI
本文由新大陆基于公开信息编辑整理
213
收录 AI 工具
27
模型产品档案
60
企业落地案例
33
完整版提示词