درخواست مایکروسافت برای تغییر گفتار در پخش زنده با هوش مصنوعی
مایکروسافت در یک درخواست ثبت اختراع، روشی را شرح داده که میتواند حرفهای گوینده را در پخش زنده تغییر دهد و حرکت لبهایش را هم با صدای تازه هماهنگ کند. ایده کاربردهای مفیدی دارد، اما ممکن است تشخیص گفته اصلی را دشوار کند.
تهیهشده با کمک هوش مصنوعی از منابع ذکرشده

فهرست مطالب۵ بخش
مایکروسافت در یک درخواست ثبت اختراع، سیستمی مبتنی بر هوش مصنوعی را شرح داده که میتواند بعضی واژههای گوینده را هنگام پخش زنده جایگزین کند. این سیستم برای پاکسازی گفتار، سانسور یا ترجمه همزمان در نظر گرفته شده و حتی میتواند حرکت لبها را با صدای ویرایششده هماهنگ کند؛ قابلیتی که پرسشهایی درباره شفافیت و اعتبار محتوای پخش زنده به وجود میآورد.
#نکات کلیدی
- هوش مصنوعی میتواند بعضی واژههای گوینده را هنگام پخش زنده جایگزین کند.
- انتخاب واژهها ممکن است براساس سن، موقعیت مکانی یا زبان مادری بیننده انجام شود.
- سیستم میتواند مکثها، کلمات پرکننده و الفاظ نامناسب را حذف کند.
- حرکت لبهای گوینده با صدای ویرایششده هماهنگ میشود تا تغییرات کمتر به چشم بیایند.
- این فناوری فعلاً در یک درخواست ثبت اختراع توصیف شده و عرضه آن بهعنوان محصول قطعی نیست.
#گفتار زنده چگونه تغییر میکند؟
در نخستین ادعای مطرحشده در درخواست ثبت اختراع مایکروسافت، هوش مصنوعی مسیر صوتی پخش زنده را بررسی میکند و واژههای مشخصی را با کلمات دیگری جایگزین میکند. انتخاب کلمات تازه ممکن است به اطلاعات نمایه بیننده، از جمله سن، محل زندگی و زبان مادری او، وابسته باشد.
مایکروسافت میگوید این سیستم میتواند مکثها و کلمات پرکننده را حذف کند، تلفظ را اصلاح کند یا الفاظ نامناسب را سانسور کند. متن درخواست همچنین از امکان انتخاب بعضی واژههای جایگزین با استفاده از جستوجوهای اینترنتی سخن میگوید.
در نتیجه، ممکن است دو نفر از یک پخش زنده نسخههای متفاوتی بشنوند. سیستم همچنین میتواند حرکت لبها را در فریمهای میانی تغییر دهد تا تصویر با عبارت جایگزینشده هماهنگ باشد و ویرایش کمتر دیده شود.
#ترجمه زنده با حفظ نسخه اصلی
ادعای مستقلی در همین پرونده به ترجمه همزمان پخش زنده مربوط است. در این حالت، سیستم گفتار را به زبانی دیگر ترجمه میکند و حرکت لبهای فرد را نیز با صدای ترجمهشده تطبیق میدهد.
براساس متن منتشرشده، سامانه ترجمه فایل ضبطشده اصلی را بهعنوان «مرجع واقعیت» نگه میدارد. این نسخه میتواند برای مقایسه ترجمه با گفته اصلی به کار رود. بااینحال، جزئیات منتشرشده درباره این فناوری مشخص نمیکند که در قابلیت جایگزینی واژهها، بیننده چگونه از تغییرات یا دلیل آنها باخبر میشود.
#نگرانی درباره تغییر پنهان گفتهها
حذف تپقها یا هماهنگکردن ترجمه با تصویر میتواند پخش زنده را روانتر کند، اما همین سازوکار امکان تغییر معنای گفتهها را هم دارد. ادعای نخست توضیح نمیدهد که آیا سیستم ویرایشها را به بیننده اعلام میکند یا نه. اگر چنین نشانهای وجود نداشته باشد، تشخیص گفته اصلی گوینده دشوارتر میشود.
هماهنگکردن حرکت لبها این نگرانی را جدیتر میکند، زیرا تصویر نیز با صدای جایگزینشده سازگار خواهد بود. متن منبع با اشاره به استفاده کلاهبرداران از تعویض زنده چهره، هشدار میدهد که تغییر پنهان گفتار میتواند زمینه سوءاستفاده، جعل عمیق و انتشار اطلاعات نادرست را فراهم کند.
#ثبت درخواست به معنی عرضه محصول نیست
ثبت یک درخواست اختراع تضمین نمیکند که ایده توصیفشده به محصول تبدیل شود. مایکروسافت، سونی و شرکتهای دیگر طی یک سال گذشته درخواستهای دیگری هم درباره تغییر بلادرنگ محتوا با هوش مصنوعی ارائه کردهاند، اما متن موجود زمان عرضه یا ساخت محصولی براساس این پرونده را تأیید نمیکند.
مطالب مرتبط
برای ادامه مطالعه
این یادداشتها بر اساس موضوع مشترک، همپوشانی برچسبها و تازگی انتشار انتخاب میشوند.

Live Dictation چتجیپیتی، صدا را همزمان به متن تبدیل میکند
با Live Dictation، متن همزمان با صحبتکردن ظاهر میشود و نیازی نیست تا پایان ضبط صبر کنید. محدودیت ۱۰ دقیقهای ضبط هم حذف شده است.


دیدگاهها
اولین نفری باش که دیدگاه میذاره
دیدگاهها پس از بررسی منتشر میشوند. ایمیل شما نمایش داده نمیشود.