Résumé :
Une demande de brevet récemment divulguée par Microsoft a attiré une large attention. Selon le document de brevet, la société recherche un système d'intelligence artificielle capable de modifier le contenu de la parole en temps réel pendant la diffusion en direct et d'ajuster simultanément les mouvements de la bouche et du visage de l'orateur, afin que le public puisse voir l'image vidéo naturelle modifiée.
Ce brevet s'appelle « Technologie de vidéo améliorée par intelligence artificielle en temps réel ou technologie de présentation en direct en réalité augmentée » et a été initialement déposé en avril 2025 et officiellement rendu public en octobre 2026. Le document montre que le système peut non seulement modifier le contenu vocal de la diffusion en direct, mais également utiliser l'intelligence artificielle générative pour traiter l'écran vidéo afin de rendre la forme de la bouche du personnage cohérente avec la voix modifiée.
Selon la description du brevet, le système surveillera en permanence le flux audio en direct et identifiera automatiquement les mots ou les phrases qui doivent être ajustés via l'agent IA. Après avoir découvert le contenu cible, l'intelligence artificielle générative remplacera, supprimera ou réécrira l'audio, tout en modifiant les mouvements du visage, la forme des lèvres et les trajectoires des mouvements de la bouche dans les images vidéo pertinentes, de sorte que l'image finale ressemble à ce que l'orateur a initialement dit le contenu modifié.
Microsoft définit l'ensemble du processus dans le document comme un traitement « en temps quasi réel », ce qui signifie qu'il n'y a qu'un délai de quelques secondes entre la collecte du contenu et la fin de la modification. Les solutions associées peuvent être appliquées aux scénarios de post-traitement et de diffusion en direct.
Le brevet répertorie une variété de scénarios d'application potentiels. L’une des principales utilisations est la traduction en temps réel. Le système peut traduire instantanément le discours de l'orateur dans la langue maternelle du public et synchroniser la synchronisation labiale de la vidéo avec le contenu traduit, évitant ainsi le sentiment de dissonance provoqué par le doublage ou les sous-titres traditionnels.
En outre, le système peut également supprimer automatiquement les slogans et les mots de remplissage tels que « euh » et « ah », et corriger les lapsus, les erreurs de prononciation et les expressions inexactes, rendant le discours plus fluide et naturel. Le brevet mentionne également que le système peut filtrer le langage vulgaire, le vocabulaire sensible, les expressions offensantes et les mots dans certains dialectes régionaux en fonction des préférences du public, et fournir une présentation de contenu personnalisée pour différents groupes.
Dans certaines configurations, des remplacements peuvent même être générés automatiquement à partir de recherches sur le Web pour trouver des expressions plus précises ou contextuelles en temps réel.
Microsoft envisage également d'utiliser cette technologie dans des conférences, des cérémonies de remise de prix, des retransmissions sportives, des émissions de cuisine et une variété de programmes télévisés en direct. En corrigeant automatiquement le contenu et les expressions vocales, la charge de travail de post-édition manuelle peut être réduite et l'efficacité de la production de contenu peut être améliorée.
Cependant, cette technologie a également déclenché des discussions sur l'authenticité des informations. Étant donné que le système peut modifier directement le contenu des derniers mots de l'orateur présentés au public lors de la diffusion en direct, certains analystes craignent que la technologie puisse être utilisée pour modifier le contenu des discours des politiciens, des déclarations d'entreprise et même des reportages à l'avenir, augmentant ainsi le risque de propagation de fausses informations.
Pour ce problème, Microsoft a également proposé une solution correspondante dans le brevet. Le système conservera l'audio et la vidéo originaux non modifiés comme « dossier factuel de base » pour vérification en cas de litiges, d'enquêtes ou de besoins juridiques, selon le document. Certains plans mentionnent également la conservation des traces de modifications grâce à l'identification numérique et d'autres méthodes.
Il convient de noter que la divulgation actuelle n'est qu'une demande de brevet, ce qui ne signifie pas que Microsoft a lancé des produits associés, ni que la technologie associée sera éventuellement commercialisée. L’industrie technologique regorge depuis longtemps d’idées brevetées qui n’ont jamais été mises en œuvre. Il reste donc à voir si le système apparaîtra dans les futurs produits.
Cependant, à mesure que l'intelligence artificielle générative et les capacités de traitement vidéo en temps réel continuent de s'améliorer, ce brevet montre l'orientation possible du développement de la future technologie de diffusion en direct. Tout en améliorant l'efficacité de la traduction et l'optimisation du contenu, la manière d'équilibrer la commodité et l'authenticité du contenu deviendra également un problème important pour les futures applications d'intelligence artificielle.
Commentaires