Microsoft 申請專利 以生成式人工智能實現即時影片語音同步及翻譯

Microsoft 已申請一項專利，該專利針對生成式人工智能技術，能夠在影片畫面中重新調整講者的嘴巴、嘴唇及面部動作，以便與修改或翻譯後的語音同步，從而呈現更流暢且整潔的效果。該專利於 2025 年 4 月 29 日提交，並於 2026 年 10 月 29 日公開。這項專利的主要目的是適應、翻譯及整理現場口語影片通信，從而實現更清晰、定製化且流暢的觀賞體驗，並消除手動編輯的需求。這項技術能夠幫助解決在跨語言會議或研討會中出現的溝通障礙，通過將講者的語言翻譯成觀眾的母語，同時同步講者的嘴唇及面部動作，使其看起來像是自然發言。

Microsoft 這項技術的另一特色是根據用戶及觀眾的偏好，實時調整源材料，通過替換不必要的填充詞、糾正發音錯誤、將區域方言翻譯為標準詞彙，以及刪除或靜音不雅和冒犯性言論，實現實時影片通信。它還能夠檢測不準確的事實和錯誤用詞，並在講者說錯或提供此類數據時即時用準確的詞語替代。其最引人注目的功能是消除了當前常見的配音和不協調的效果，並利用生成式人工智能重新校準嘴巴及面部動作，使得最終的視聽輸出顯得無縫。

技術的實時調整功能

Microsoft 新人工智能專利的安全漏洞及錯誤資訊風險因這一系統在近乎實時的基礎上改變直播影片內容，專家和研究人員對其濫用提出了擔憂，主要包括分享不準確和誤導性資訊的風險。另一個可能的高風險是，受損方可以利用這一系統攔截直播並改變政治家言論、企業政策聲明或改變直播報導，從而可能散播政治、社會及企業的協調性虛假資訊。為了應對這些深度偽造和操縱的風險，該專利概述了一個內建於系統架構中的嚴格驗證協議。

在此過程中，系統捕捉並儲存原始未編輯的直播影片畫面，作為不可更改的“事實基準”。修改版本則嵌入了數位水印和加密數據，能夠在使用檢測工具檢查時顯示影片為人工智能增強的情況。如果對影片的原始內容發生爭議，法律當局可以訪問安全的“事實基準”檔案以解決爭議。

法律與道德挑戰

在實施這項技術時，除了技術創新和安全協議外，還帶來了關於數位許可和在線內容真實性方面的嚴峻監管和道德困境。動態修改直播視覺和聽覺內容的能力，創造了有關知識產權和個人身份保護的法律灰色地帶。廣播商、內容創作者及公眾人物可能發現比以往更難控制其在線形象，因為即時的改變可能在未經明確授權的情況下模糊原本的意圖。因此，科技政策專家強調，制定清晰的身份標準、要求在人工智能編輯的串流上附上視覺標籤，以及強制實施嚴格的法律保護，對於維護公眾對數字媒體的信任至關重要。

即時修改影片內容的潛在影響

Microsoft 的新專利技術能夠即時調整影片內容，這在提升觀賞體驗的同時，也帶來了法律和道德上的挑戰。隨著技術的進步，對於數位內容的控制變得更加困難，尤其是對於公眾人物和內容創作者而言。這種即時修改的能力可能會導致知識產權和個人身份的保護問題，進一步引發關於數字媒體真實性和信任的討論。因此，制定相關的法律和標準顯得尤為重要，以確保科技的發展不會侵害個人權益或社會信任。