<\/p>\n
Imagine assistir a uma entrevista na televis\u00e3o e perceber que o entrevistado parece dizer palavras diferentes daquelas que realmente pronunciou. Ou acompanhar uma transmiss\u00e3o ao vivo em que a intelig\u00eancia artificial elimina palavr\u00f5es, corrige frases e at\u00e9 modifica os movimentos da boca de quem est\u00e1 falando.<\/p>\n
Essa \u00e9 a proposta de uma tecnologia descrita em um pedido de patente da Microsoft. O sistema utiliza intelig\u00eancia artificial generativa para modificar falas e adaptar as imagens correspondentes, criando uma vers\u00e3o alterada de transmiss\u00f5es e v\u00eddeos praticamente em tempo real.<\/p>\n
O pedido foi apresentado em 29 de abril de 2025 e publicado nos Estados Unidos em 29 de outubro de 2026<\/strong>.<\/p>\n A tecnologia, chamada Near Real-Time Artificial Intelligence Enhancement of Video or Augmented Reality Presentations of Live Events<\/em>, descreve um sistema capaz de analisar \u00e1udio e v\u00eddeo enquanto uma pessoa est\u00e1 falando.<\/p>\n A intelig\u00eancia artificial identifica palavras que podem ser removidas ou substitu\u00eddas. Depois, utiliza modelos generativos para produzir um novo \u00e1udio com as altera\u00e7\u00f5es desejadas.<\/p>\n Mas existe um detalhe ainda mais impressionante: o sistema tamb\u00e9m modifica os quadros do v\u00eddeo para acompanhar a nova fala.<\/p>\n Isso significa que os movimentos dos l\u00e1bios podem ser reconstru\u00eddos digitalmente para dar a impress\u00e3o de que a pessoa realmente pronunciou aquelas palavras.<\/p>\n A proposta inclui a cria\u00e7\u00e3o de transi\u00e7\u00f5es entre os trechos originais e modificados, evitando cortes percept\u00edveis na imagem e no \u00e1udio.<\/p>\n Um dos usos apresentados pela Microsoft envolve a remo\u00e7\u00e3o de palavras de preenchimento, como os famosos sons de \u201chum\u201d e \u201cah\u201d, comuns durante conversas e apresenta\u00e7\u00f5es.<\/p>\n O sistema tamb\u00e9m poderia corrigir palavras pronunciadas incorretamente, eliminar repeti\u00e7\u00f5es, substituir express\u00f5es consideradas inadequadas e modificar termos ofensivos ou insens\u00edveis.<\/p>\n Outro detalhe curioso \u00e9 a possibilidade de alterar g\u00edrias e express\u00f5es regionais.<\/p>\n Na pr\u00e1tica, uma ferramenta desse tipo poderia adaptar a maneira como determinada pessoa fala de acordo com as prefer\u00eancias de quem est\u00e1 assistindo.<\/p>\n O documento tamb\u00e9m descreve a possibilidade de utilizar informa\u00e7\u00f5es de perfis individuais para determinar quais altera\u00e7\u00f5es seriam realizadas.<\/p>\n O pedido de patente apresenta uma lista bastante ampla de informa\u00e7\u00f5es que poderiam fazer parte do perfil utilizado pelo sistema.<\/p>\n Entre os exemplos est\u00e3o idade, idiomas falados, regi\u00e3o de nascimento, local de resid\u00eancia, etnia, forma\u00e7\u00e3o cultural, religi\u00e3o e n\u00edvel de escolaridade.<\/p>\n O documento tamb\u00e9m menciona a possibilidade de utilizar amostras de voz e v\u00eddeo para orientar o funcionamento da tecnologia.<\/p>\n Isso levanta quest\u00f5es importantes sobre privacidade e personaliza\u00e7\u00e3o de conte\u00fado.<\/p>\n Afinal, uma intelig\u00eancia artificial capaz de modificar o discurso de outras pessoas com base nas caracter\u00edsticas e prefer\u00eancias de cada espectador poderia criar experi\u00eancias muito diferentes para quem acompanha a mesma transmiss\u00e3o.<\/p>\n Tamb\u00e9m existe o risco de determinadas express\u00f5es culturais e regionais serem consideradas inadequadas simplesmente por n\u00e3o combinarem com o perfil de quem est\u00e1 assistindo.<\/p>\n A proposta n\u00e3o envolve apenas censura ou corre\u00e7\u00e3o de palavras.<\/p>\n Outro recurso descrito no documento \u00e9 a tradu\u00e7\u00e3o de conversas em tempo pr\u00f3ximo do real. Nesse cen\u00e1rio, a intelig\u00eancia artificial identificaria um idioma diferente daquele utilizado pelo espectador e substituiria as falas por vers\u00f5es traduzidas.<\/p>\n Os movimentos da boca tamb\u00e9m seriam modificados para acompanhar o novo \u00e1udio.<\/p>\n Isso poderia ser aplicado a entrevistas, podcasts, transmiss\u00f5es esportivas, apresenta\u00e7\u00f5es, filmes, programas de televis\u00e3o e outros conte\u00fados audiovisuais.<\/p>\n Segundo a documenta\u00e7\u00e3o, o processamento poderia acontecer com um atraso de poucos segundos, entre aproximadamente um e dez segundos.<\/p>\n Embora algumas aplica\u00e7\u00f5es pare\u00e7am interessantes, a possibilidade de alterar o discurso de algu\u00e9m sem modificar visivelmente sua apar\u00eancia levanta preocupa\u00e7\u00f5es.<\/p>\n Uma entrevista poderia apresentar palavras que nunca foram pronunciadas pelo entrevistado. Um discurso pol\u00edtico poderia ser adaptado para remover determinadas declara\u00e7\u00f5es. At\u00e9 mesmo uma transmiss\u00e3o jornal\u00edstica poderia apresentar vers\u00f5es diferentes dependendo de quem est\u00e1 assistindo.<\/p>\n A pr\u00f3pria documenta\u00e7\u00e3o descreve uma possibilidade importante para preservar a autenticidade: armazenar o \u00e1udio e o v\u00eddeo originais, sem altera\u00e7\u00f5es, como refer\u00eancia para consultas futuras.<\/p>\n Esse recurso seria especialmente relevante para verificar o que realmente foi dito durante uma transmiss\u00e3o.<\/p>\n \u00c9 importante destacar que estamos falando de um pedido de patente, n\u00e3o de um produto anunciado ou de uma tecnologia comprovadamente dispon\u00edvel ao p\u00fablico.<\/p>\n A Microsoft descreveu possibilidades t\u00e9cnicas e aplica\u00e7\u00f5es para o sistema, mas isso n\u00e3o significa que a empresa necessariamente lan\u00e7ar\u00e1 uma ferramenta comercial com essas caracter\u00edsticas.<\/p>\n Ainda assim, a proposta mostra como a intelig\u00eancia artificial poder\u00e1 transformar n\u00e3o apenas a maneira como consumimos v\u00eddeos, mas tamb\u00e9m nossa capacidade de confiar naquilo que vemos e ouvimos.<\/p>\n Fontes<\/p>\n Pedido de patente da Microsoft: Near Real-Time AI Enhancement of Video or AR Presentations of Live Events<\/a><\/p>\nIA poderia colocar palavras diferentes na boca de pessoas<\/h2>\n
Tecnologia poderia remover palavr\u00f5es, gagueiras e express\u00f5es regionais<\/h2>\n
Microsoft prev\u00ea personaliza\u00e7\u00e3o baseada no perfil do espectador<\/h2>\n
Sistema tamb\u00e9m poderia traduzir transmiss\u00f5es ao vivo<\/h2>\n
Tecnologia levanta preocupa\u00e7\u00f5es sobre deepfakes e desinforma\u00e7\u00e3o<\/h2>\n