A Microsoft deu entrada em um pedido de patente para uma tecnologia inovadora de inteligência artificial, capaz de modificar, em tempo real, o conteúdo falado por uma pessoa durante uma transmissão de vídeo. O sistema, que opera com um atraso de poucos segundos, também possui a capacidade de ajustar os movimentos labiais do apresentador para garantir que a imagem esteja perfeitamente sincronizada com as novas palavras.
Como funciona a tecnologia de edição em tempo real
De acordo com os detalhes do documento, a solução é descrita como um sistema de “aprimoramento em tempo quase real” voltado para eventos e apresentações. A plataforma processa simultaneamente o fluxo de áudio e os frames do vídeo, identificando trechos que precisam ser corrigidos com base em regras pré-definidas. Uma vez detectado o conteúdo, a IA gera um novo áudio e ajusta a região da boca, operando com uma latência que varia entre 1 e 10 segundos.
Aplicações práticas e riscos de autenticidade
O projeto da Microsoft sugere diversas utilidades, desde a remoção automática de gagueiras e erros de dicção até a filtragem de termos ofensivos e a tradução simultânea de discursos. Contudo, a ferramenta também abre margem para controvérsias ao permitir a substituição de informações ditas pelo apresentador com base em pesquisas feitas na internet durante o evento. Esse aspecto coloca a tecnologia no campo das deepfakes, levantando sérias preocupações sobre a veracidade do que é transmitido.
Status do pedido de patente
O protocolo foi submetido em 29 de abril do ano passado e divulgado pelo escritório de patentes dos Estados Unidos recentemente. Embora o registro tenha sofrido uma rejeição inicial, o processo segue em análise, permitindo que a empresa reformule suas reivindicações. Vale ressaltar que, até o momento, não existem planos confirmados para o lançamento comercial da tecnologia em produtos específicos da companhia.
