Microsoft’un canlı video için patent başvurusu, konuşmacının sözlerini yayına yakın bir hızda değiştirirken görüntüyü de yeni sese uydurabilen bir sistemi tarif ediyor. Eş zamanlı yapay zeka çevirisinde amaç konuşmayı başka dile aktarmak. Microsoft’un tarif ettiği yaklaşım ise belirli kelimeleri çıkarmayı veya değiştirmeyi ve görüntüdeki ağız hareketini de buna göre düzenlemeyi kapsıyor.
ABD’de 29 Ekim’de kamuya açılan başvurunun numarası US 2026/0341309 A1. Metinde canlı video ve artırılmış gerçeklik sunumları örnek olarak yer alıyor. Sistem, yayındaki konuşmayı çözümledikten sonra hangi bölümün değişeceğine karar verebiliyor. Ardından izleyicinin duyduğu ses ile konuşmacının görüntüdeki dudak hareketini birbirine yaklaştırmak için görüntü üzerinde de işlem yapabiliyor.
Başvuru, farklı izleyicilere farklı biçimde düzenlenmiş yayın sunulabilmesini de ele alıyor. İzleyicinin yaşı, bulunduğu bölge veya konuştuğu dil gibi bilgiler değişikliğin türünde rol oynayabiliyor. Örneğin bir kelimeyi kaldırmak ile onun yerine başka bir ifade koymak ayrı seçenekler. Bir düzenlemenin her izleyiciye aynı biçimde uygulanması gerekmiyor.
Canlı yayın açısından önemli ayrıntı, ses ve görüntü üzerinde yapılan işlemlerin izleyiciye mümkün olduğunca az gecikmeyle ulaşmasının hedeflenmesi. Başvuru bu yaklaşımı canlıya yakın zamanlı olarak tanımlıyor. Bu ifade sıfır gecikme garantisi vermiyor. Belgede örnek olarak bir ila on saniye aralığı geçiyor. Sonuç, yayının işlenmesi, yeniden oluşturulan görüntü ve izleyiciye iletim için geçen süreye bağlı.
Başvuru, Microsoft’un bir yayın özelliğini kullanıma açtığını göstermiyor
Yayımlanan belge bir patent başvurusu. Microsoft, burada tarif edilen sistem için Teams, bir yayın hizmeti veya başka bir üründe çıkış takvimi açıklamadı. Başvurunun kapsamı, teknik yaklaşımın hangi biçimlerde uygulanabileceğini gösteriyor. Ticari bir üründe hangi işlevlerin seçileceği ise ayrı bir karar.
Sistemin getirdiği bir başka fark, düzenlemenin görüntü üzerinde de iz bırakabilmesi. Sesi değiştiren bir filtrede konuşmacının özgün dudak hareketleri görüntüde kalabilir. Bu belgede ise sesle birlikte ağız bölgesini yeniden düzenleme olasılığı var. Öte yandan başvuru, böyle bir ürünün değiştirilmiş içeriği izleyiciye nasıl bildireceği veya gerçek yayınlarda doğruluğun nasıl ölçüleceği konusunda bir ürün politikası açıklamıyor. Başvuruda, gerektiğinde karşılaştırma yapabilmek için özgün ses ve görüntünün ayrıca saklanabileceği de anlatılıyor.
Günün Öne Çıkan Fırsatları
