Корпорация Microsoft подала заявку на патент ИИ, способный трансформировать живое видео в режиме реального времени, изменяя не только слова говорящего, но и его мимику. Система, описанная в документах как «усиление ИИ презентаций в дополненной реальности», призвана сглаживать шероховатости прямых эфиров, но на деле открывает ящик Пандоры для манипуляции информацией. Об этом сообщает Futurism.
![]()
Фото из открытых источников / Иллюстративное изображение, созданное ИИ
Технология работает пугающе просто. ИИ-агенты анализируют видеопоток, находят в речи оговорки, слова-паразиты или целые фразы и вырезают их. Но самое интересное происходит дальше: нейросеть перерисовывает лицо говорящего, синхронизируя движение губ с новым, подставленным аудио. Чтобы зритель ничего не заподозрил, алгоритм правит кадры до и после правки, создавая «плавный переход». В качестве замены система может использовать слова, найденные через обычный интернет-поиск.
С одной стороны, у разработки есть безобидные сценарии применения. Это идеальный инструмент для автоматического перевода: спикер может говорить на русском, а зритель в любой точке мира будет видеть и слышать его на идеальном английском или китайском. ИИ также может стать спасением для людей с заиканием или дефектами речи, стирая их на уровне картинки и звука.
С другой стороны, патент описывает куда более спорные функции. Система способна удалять «сленг», разговорные выражения, а также любые «оскорбительные» или «чувствительные» слова. Фактически, Microsoft описывает инструмент для создания идеологического или культурного фильтра. Прямой эфир перестает быть прямым — он становится кастомизированным под вкусы каждого отдельного зрителя.
«В эпоху, когда интернет уже тонет в дипфейках и сгенерированном мусоре, этот патент предлагает новый уровень фильтрации. Зритель сможет потреблять любое событие, не слыша того, что ему не нравится. Но где проходит грань между удобным переводом и созданием персональной информационной капсулы, в которой даже диалект собеседника подгоняется под ваши ожидания?»
Сама корпорация пока воздерживается от комментариев. Однако в тексте патента есть важная оговорка: оригинальный видеопоток может записываться и храниться для «проверки подлинности». Это прозрачный намек на то, что в Microsoft прекрасно осознают риски масштабных манипуляций с реальностью.
***
Термин «дипфейк» появился на Reddit в 2017 году, но с тех пор технологии шагнули далеко вперед. По данным экспертов, количество подобных видео в сети выросло с 500 тысяч в 2023 году до 8 миллионов к 2025 году. При этом создание подделок стало доступным любому пользователю: современные модели научились клонировать голос всего по нескольким секундам аудио, передавая интонации и даже дыхание. В России тем временем уже разрабатывают сервисы для выявления поддельных голосов при звонках мошенников, понимая, что технология становится оружием.
Эксперты сходятся во мнении, что следующий виток развития ИИ — это интерактивные дипфейки в реальном времени. По прогнозам, уже в 2026 году синтетический контент сможет точно воспроизводить манеру речи и поведение человека прямо во время видеозвонка, что сделает бесполезными системы обнаружения, работающие только со статичным видео. Специалисты по кибербезопасности предупреждают: традиционные методы визуального анализа пикселей теряют эффективность. Защита смещается на уровень инфраструктуры — в ближайшее время массовое распространение получат криптографические подписи для медиафайлов и стандарты отметки происхождения контента (например, C2PA).
Ожидается появление «синтетических личностей» — полностью вымышленных цифровых профилей, которые смогут проходить верификацию и взаимодействовать с реальными людьми.
