一份还没授权的申请
公开号 2026/0341309 A1 这份申请，讲的是用 AI 近乎实时增强直播或 AR 画面。系统里有一个智能体实时听音，按预设规则、或按观众画像（年龄、语言、所在地）挑出该改或该删的词，再由生成式模型替换、抹平接缝，并重绘说话人的口型去对上改后的声音。可选对象包括语气词、口吃、读错的字、冒犯性表达，以及 y'all、bite the bullet 这类口语。成品延后约 1–10 秒播出，留出处理时间；同一声直播，不同观众可能收到不同版本；规则可以按频道预设，也能按单个观众临时判定，删与换走同一套逻辑。
翻译走同一条流水线
观众档案里没有的语言，会被换成译文，口型同步重画。落地形态列了 AR 眼镜、手机、平板和摄像头，讲台、颁奖礼、游戏节目与体育赛事都算用例。申请日期是2025 年 4 月 29 日，审查员今年 7 月 29 日驳回了相关权利要求，这属于审查里的常规动作，申请人仍可答复。公开申请不等于授权，微软也没有说是否真做。延迟一到十秒是这套方案的成本：想把接缝与口型修干净，就得先缓冲一段。
两种口径
报道的重心是“改得看不出来”：换词、修口型、延后几秒，观众察觉不到。可专利自己的一项权利要求要求保留原始录像，作为真实依据。一边卖“无痕”，一边给自己留底——技术描述一致，意味相反。留底的那份录像不进成品，只作为核对用的底稿。
原文链接：https://www.ithome.com/1/024/305.htm
来源：IT之家
