Согласно профилю зрителя, ИИ должен обмениваться словами и губами; нет никакого намерения давать им подсказку. Пока это только регистрация.
Дипфейки воспринимаются как серьезная проблема. ISI Фраунгофера уже расследовала это в 2024 году — во многих сферах общества дипфейки воспринимались как вариант дезинформации.
Подробности читайте после объявления
Особенно в начале российского вторжения на Украину российские шутники Вован и Лексус вызвали переполох, выдав себя за мэра Киева Виталия Кличко и вызвав заявления западных политиков, таких как Франциска Гиффи, которые не были предназначены для общественности.
Но что, если такая система вскоре станет стандартной? Если бы нам приходилось иметь дело только с манипулируемым контентом на YouTube, Twitch или на собраниях? Когда рот другого человека шевелится, слова подходят – но никто их не произнес?
Microsoft уже подала заявку на патент на такую систему; Патентное ведомство США опубликовало заявку 29 октября. Группа уже подала заявку US 2026/0341309 A1 в апреле 2025 года.
Название регистрации звучит безобидно: речь идет об «улучшении» прямых трансляций с помощью ИИ.
Подробности читайте после объявления
Слова наружу, новые слова внутрь
Принцип прост: соответствующее видео воспроизводится с небольшой задержкой; временное окно должно составлять от 1 до 10 секунд. В течение этого короткого периода времени ИИ-агент сканирует звуковую дорожку.
Он учитывает определенные факторы аудитории: здесь учитываются возраст, языковые навыки, место проживания, происхождение, религия и уровень образования. На этом основании агент ИИ отмечает определенные слова, которые затем должны быть изменены генеративным ИИ.
Чтобы гарантировать соответствие изображения и звука, также рендерятся новые видеоизображения. Порезы, возникшие в результате доработки, должны быть скрыты короткими затуханиями.
По оценке патентной службы Patentize, система должна работать непосредственно на устройстве зрителя, например, на смартфоне или очках дополненной реальности, а также в облаке.
Подробности читайте после объявления
От «гм» к исправлению фактов
Разумеется, приложение должно быть безвредным и корректировать только косметические вещи. Слова-вставки, такие как «гм», должны исчезнуть, как и заикание. Тот, кто не говорит на языке говорящего, должен слышать и видеть его на своем родном.
Но что, если на этом дело не ограничится, когда фильтруется и разговорный язык? Маркус Зёдер или Уве Штаймле, которых можно увидеть на экранах только на идеальном немецком языке – это все еще аутентично? Или когда любовники в видеочате звучат так, как будто их слова пропускаются через евангелистский или исламистский фильтр приличия?
Это не является чем-то невероятным: ИИ должен иметь возможность подбирать слова для замены из Интернета, а утверждения даже следует проверять и исправлять в режиме реального времени.
Подробности читайте после объявления
Для стрима Twitch это будет означать: два человека смотрят один и тот же стример и слышат два разных предложения. Никто из них этого не замечает, даже стример.
Уведомление не предоставлено
Зарегистрированная основная претензия не требует, чтобы зрители узнали об изменении. Система также не спрашивает динамика. Только подчиненный пункт 14 формулы изобретения предусматривает факультативное сохранение исходной записи в качестве «основной истины».
Это вызывает этические проблемы: кто в конечном итоге определяет, что такое ошибка? Корпорация, правительство, полиция нравов или, возможно, Фонд Амадеу Антонио? Заикание можно рассматривать как расстройство, но оно также является частью личности человека. Кто решает, как его оценивать?
Ситуация становится еще сложнее, когда дело доходит до проверки фактов. Представьте себе, если бы Ян Бёмерман хотел выставить к позорному столбу Арне Шенбома, но одновременно вмешалась проверка фактов: здесь, вероятно, был бы причинен меньший ущерб. В 2026 году Высший земельный суд Мюнхена подтвердил, что основные утверждения программы не соответствуют действительности (ссылка 18 U 217/26).
Подробности читайте после объявления
Но представьте себе, что политик произносит живую речь, а ИИ корректирует разные отрывки для каждого зрителя — в зависимости от того, что они хотят услышать в своем профиле.
По словам Патентензизе, основная претензия очень широка. Неважно, почему происходит обмен словами. Поэтому фильтры вежливости и обмен фактами подпадают под одну и ту же формулировку.
В правилах ЕС есть лазейка
Статья 50 Регламента AI действует со 2 августа. Любой, кто создает или модифицирует дипфейки с использованием ИИ, должен раскрыть эту информацию. Должно быть включено живое видео с недавно нарисованными губами.
Однако постановление освобождает от ответственности частных лиц, если они используют ИИ исключительно в личных целях. Если обработка происходит на вашем мобильном телефоне в соответствии с вашим профилем, никому не придется ничего раскрывать.
Подробности читайте после объявления
Поставщики должны маркировать результаты ИИ машиночитаемым способом. Системы, которые помогают только со «стандартной обработкой», исключены. Удаленное «Эм» можно было бы считать именно этим.
Еще не выпущено
Пока это только регистрация. Эксперт отклонил претензии в своем первоначальном решении, принятом в конце июля, и Microsoft может улучшить претензии. Компания еще не анонсировала продукт.
Однако некоторые его части уже существуют. В Teams агент-переводчик Microsoft переводит собрания в прямом эфире и может воспроизводить голос говорящего. Спикер решает, будет ли смоделирован его голос. Профиль зрителя определяется в заявке на патент.
YouTube также хочет сделать автоматически переведенный контент более аутентичным. Здесь также тестируется синхронизация губ. Amazon уже предлагает синхронизацию губ с помощью искусственного интеллекта на Prime Video, например, для сериала «Макстон Холл».
