Resumo:
Um pedido de patente divulgado recentemente pela Microsoft atraiu atenção generalizada. De acordo com o documento de patente, a empresa está pesquisando um sistema de inteligência artificial que possa modificar o conteúdo da fala em tempo real durante a transmissão ao vivo e ajustar simultaneamente a boca e os movimentos faciais do locutor, para que o público possa ver a imagem natural do vídeo modificada.
Esta patente é chamada de "Vídeo aprimorado de inteligência artificial em tempo real ou tecnologia de apresentação ao vivo de realidade aumentada" e foi originalmente submetida em abril de 2025 e tornada pública oficialmente em outubro de 2026. O documento mostra que o sistema pode não apenas modificar o conteúdo de voz na transmissão ao vivo, mas também usar inteligência artificial generativa para processar a tela de vídeo e tornar o formato da boca do personagem consistente com a voz modificada.
De acordo com a descrição da patente, o sistema monitorará continuamente a transmissão de áudio ao vivo e identificará automaticamente palavras ou frases que precisam ser ajustadas por meio do agente de IA. Depois de descobrir o conteúdo alvo, a inteligência artificial generativa substituirá, excluirá ou reescreverá o áudio, enquanto modifica os movimentos faciais, o formato dos lábios e as trajetórias dos movimentos da boca nos quadros de vídeo relevantes, para que a imagem final se pareça com o locutor que disse originalmente o conteúdo modificado.
A Microsoft define todo o processo no documento como processamento "quase em tempo real", o que significa que há apenas um atraso de alguns segundos desde a coleta do conteúdo até a conclusão da modificação. Soluções relacionadas podem ser aplicadas tanto em cenários de pós-processamento quanto de transmissão ao vivo.
A patente lista uma variedade de possíveis cenários de aplicação. Um dos principais usos é a tradução em tempo real. O sistema pode traduzir instantaneamente a fala do palestrante para o idioma nativo do público e sincronizar a sincronização labial do vídeo com o conteúdo traduzido, evitando assim a sensação de dissonância causada pela dublagem ou legendas tradicionais.
Além disso, o sistema também pode excluir automaticamente bordões e palavras de preenchimento, como "um" e "ah", e corrigir lapsos de língua, erros de pronúncia e expressões imprecisas, tornando a fala mais suave e natural. A patente também menciona que o sistema pode filtrar linguagem vulgar, vocabulário sensível, expressões ofensivas e palavras em alguns dialetos regionais com base nas preferências do público, e fornecer apresentação de conteúdo personalizada para diferentes grupos.
Em algumas configurações, as substituições podem até ser geradas automaticamente a partir de pesquisas na Web para encontrar expressões mais precisas ou contextuais em tempo real.
A Microsoft também prevê usar a tecnologia em palestras, cerimônias de premiação, transmissões esportivas, programas de culinária e uma variedade de programas de televisão ao vivo. Ao corrigir automaticamente o conteúdo e as expressões da fala, a carga de trabalho de pós-edição manual pode ser reduzida e a eficiência da produção de conteúdo pode ser melhorada.
No entanto, esta tecnologia também desencadeou discussões sobre a autenticidade da informação. Dado que o sistema pode alterar directamente o conteúdo das palavras finais do orador apresentadas ao público durante a transmissão em directo, alguns analistas temem que a tecnologia possa ser utilizada para alterar o conteúdo dos discursos dos políticos, declarações empresariais e até mesmo reportagens no futuro, aumentando assim o risco de propagação de informações falsas.
Para este problema, a Microsoft também propôs uma solução correspondente na patente. O sistema manterá o áudio e vídeo original e não modificado como um “registro factual básico” para verificação em caso de disputas, investigações ou necessidades legais, de acordo com o documento. Alguns planos também mencionam a retenção de vestígios de modificações por meio de identificação digital e outros métodos.
Vale a pena notar que a divulgação atual é apenas um pedido de patente, o que não significa que a Microsoft tenha lançado produtos relacionados, nem significa que a tecnologia relacionada será eventualmente comercializada. A indústria tecnológica está há muito tempo repleta de ideias patenteadas que nunca foram implementadas, por isso resta saber se o sistema aparecerá em produtos futuros.
No entanto, à medida que a inteligência artificial generativa e as capacidades de processamento de vídeo em tempo real continuam a melhorar, esta patente mostra a possível direção de desenvolvimento da futura tecnologia de transmissão ao vivo. Ao melhorar a eficiência da tradução e da otimização do conteúdo, como equilibrar a conveniência e a autenticidade do conteúdo também se tornará uma questão importante enfrentada pelas futuras aplicações de inteligência artificial.
Comentários