
微软申请专利:可在直播视频中实时改写演讲者的话并重绘口型
来源标题:AI Live Speech Rewriting Patent
微软提交了一项专利申请,可在观看直播时实时替换演讲者的用词,并重绘其口型使画面不露痕迹。系统依据用户设定的个人资料(如年龄、语言、所在地)由AI标记并替换不想听到的词,还能在几秒延迟内将外语实时翻译成用户的语言。
以下正文由 AI 翻译自 Hacker News 最新(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
Patentlyze团队 · 更新于2026年10月30日 在Google上添加 微软申请了一项系统专利,可以在你观看视频时修正演讲者说的话,然后重绘其嘴部画面,让编辑不露痕迹。它可以删掉“呃”这样的口头禅,也能实时翻译外语。
有没有经历过这样的演讲:演讲者每隔几秒就说一句“呃”和“你知道吗”?微软已经为一项软件申请了专利,该软件可以在演讲仍在进行时、直接在你自己的设备上把这些内容清理掉。
AI会监听实时音频,并根据你设置的档案(比如你的年龄、你说的语言、或者你住在哪里)标记出你不愿听到的词。然后它会替换成更合适的词,并重绘视频中演讲者的嘴部,让口型对上。短暂的混合过渡会掩盖拼接痕迹。
同样的设置还可以充当翻译器。如果有人说的语言不在你的档案中,你会听到和看到他们用你的语言说话。延迟只有几秒,而不是事后做一整套编辑。
翻译说明:该系统使用AI,根据自定义的观看者规则来判断哪些词需要更改。
权利要求描述了一个系统,在人们说话时实时监视视频流及其音轨。一个AI agent(自行做出决策的软件)监听话语,并根据一组规则和用户档案挑出需要更改的词。
然后,一个生成式AI系统(创建新文本、音频或图像的AI)在“近实时”内完成两项工作——申请文件将“近实时”定义为几秒之内,大致为1到10秒:
申请文件列出了可能被替换的内容:像“呃”这样的填充词、俚语、含混不清或发音错误的词、冒犯性词语以及背景噪音。替换词可以来自互联网搜索,申请文件还提出了即时事实核查的设想。
第二项独立权利要求涉及翻译。你的档案中缺失的语言所说出的词会被替换为翻译后的词,视频会被重绘(包括嘴唇)以与之匹配。它可以在AR眼镜、手机、平板或摄像机上运行,使用设备上的芯片。一项从属权利要求会保留原始录像作为“真实基准”。
如果这项技术真能很好地实现,你就可以用另一种语言观看现场讲座、音乐会或会议,并看到演讲者的口型与你听到的内容一致。你还可以获得更干净的视频流,跳过那些“呃”而无需视频编辑。申请文件将AR眼镜和手机列为设备。
问题在于信任。同一个工具可以改变演讲者表面上说的话,而申请文件提到可以从搜索结果中替换事实、删除冒犯性词语,却只有一项从属权利要求保留原始录像。审查员在初审中驳回了所提交的权利要求,这是常规做法,通常随后会有修改。
这是自7月以来我们在AI照片编辑竞赛中追踪到的第六份微软申请,此前还有一份关于频率感知训练的申请和一份关于内容感知照片清理的申请。
权利要求1范围很宽。它涵盖任何系统:扫描人们说话的实时视频和音频,使用用户档案挑选要更改的词,让生成式AI在声音和画面中同时替换,平滑拼接痕迹,并在几秒后显示结果。它从未说明为什么要更改这些词,因此填充词清理、礼貌过滤和事实替换都符合其范围。
翻译构想位于另一项权利要求中,编号16,这一项要窄得多。它要求出现档案中缺失的语言的词,并重绘嘴唇以匹配。如果两项都获得授权,任何构建替换口头词语的实时视频流的人都会触犯权利要求1,而带嘴唇重绘的实时翻译器也会面临权利要求16。
权利要求1也没有提到要告知观看者发生了编辑。只有后面的一项权利要求保留原始录像。如此宽泛的权利要求会招致限缩,而档案中的首次驳回使这种可能性真实存在。
喜欢这篇解读?在Google上将Patentlyze添加为首选来源,下次微软专利新闻爆出时,我们的平实英文解读会更多出现在你的Top Stories中。
在Google上添加Patentlyze 一键完成。 还有更多类似内容
我们阅读Big Tech公布的每一份专利申请,并把值得了解的发送给你。平实英文,免费,每周。
US 2026/0341309 A1的11张附图 · 点击任意附图放大
想要我们未覆盖公司的每周解读? Patentlyze Pro →
真实姓名或化名都可以。评论在显示前会由人工阅读,所以请稍等片刻。请围绕该申请文件展开。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。