Microsoft sta esplorando nuove possibilità nell’ambito dell’intelligenza artificiale applicata ai contenuti audiovisivi. L’azienda di Redmond ha depositato una domanda di brevetto per un sistema AI capace di modificare in tempo reale le parole pronunciate durante un video in diretta, intervenendo contemporaneamente sull’audio e sul movimento delle labbra dei protagonisti.
Il documento, identificato con il numero US 2026/0341309 A1, è stato presentato nell’aprile 2025 e pubblicato il 29 ottobre 2026. La scoperta è stata inizialmente segnalata da Patentlyze, portale specializzato nel monitoraggio dei brevetti tecnologici.
La tecnologia descritta potrebbe aprire scenari interessanti per la traduzione simultanea, la personalizzazione dei contenuti e la moderazione dei dialoghi, ma solleva anche interrogativi sulla trasparenza e sull’autenticità delle trasmissioni in diretta.
Come funziona l’intelligenza artificiale di Microsoft
Il sistema brevettato da Microsoft si basa su un agente AI in grado di analizzare il flusso audio in tempo reale e individuare le parole da sostituire o eliminare, seguendo una serie di regole predefinite.
La selezione dei termini da modificare potrebbe essere influenzata anche dal profilo dello spettatore, considerando parametri come età, lingua e posizione geografica.
Una volta individuate le parole interessate, un modello generativo interviene sia sulla traccia audio sia sul video. L’intelligenza artificiale sostituisce i termini originali, rielabora i fotogrammi nelle aree interessate dalle modifiche e ricostruisce il movimento delle labbra per renderlo coerente con il nuovo dialogo.
Il risultato viene riprodotto con un ritardo stimato tra uno e dieci secondi rispetto alla trasmissione originale.
L’elaborazione potrebbe avvenire direttamente sui dispositivi dell’utente, tra cui occhiali AR, smartphone, tablet e videocamere, senza necessariamente richiedere un’infrastruttura centralizzata.
Traduzione simultanea e personalizzazione dei contenuti
Tra le applicazioni previste dal brevetto Microsoft, una delle più interessanti riguarda la traduzione in tempo reale con sincronizzazione labiale.
In questo scenario, un relatore potrebbe parlare in una lingua e lo spettatore ascoltare la traduzione nella propria lingua, con un movimento delle labbra ricostruito dall’intelligenza artificiale per adattarsi alle nuove parole.
Si tratta di una funzionalità potenzialmente utile per conferenze, lezioni, eventi internazionali e trasmissioni televisive, in grado di migliorare sensibilmente l’esperienza di fruizione dei contenuti. Il brevetto contempla anche la possibilità di intervenire su altre categorie di espressioni, tra cui:
Parole offensive o inappropriate;
Intercalari e termini riempitivi;
Balbettii e disfluenze del parlato;
Parole pronunciate in maniera errata.
Espressioni colloquiali e modi di dire.
Tra gli esempi citati figurano espressioni inglesi come “y’all” e “bite the bullet”. Il sistema potrebbe inoltre individuare termini alternativi attraverso ricerche su Internet, ampliando ulteriormente le possibilità di personalizzazione.
Le applicazioni ipotizzate comprendono lezioni, cerimonie di premiazione, quiz televisivi e trasmissioni sportive in diretta.
Il problema della trasparenza: lo spettatore saprà cosa è stato modificato?
Uno degli aspetti più delicati della tecnologia riguarda la trasparenza delle modifiche effettuate dall’intelligenza artificiale. Il brevetto contempla la possibilità di conservare il flusso originale come riferimento, definito “ground truth”, ma la rivendicazione principale non specifica l’obbligo di informare lo spettatore sulle parole che sono state sostituite o eliminate.
Questo elemento potrebbe diventare particolarmente rilevante nel caso di eventi sportivi, programmi televisivi o dibattiti pubblici, dove una modifica del dialogo potrebbe alterare il significato delle dichiarazioni originali.
La possibilità di personalizzare i contenuti in base al profilo dello spettatore introduce quindi una questione importante: fino a che punto un video modificato dall’intelligenza artificiale può essere considerato una rappresentazione fedele della trasmissione originale?
La tecnologia potrebbe offrire vantaggi concreti in termini di accessibilità e moderazione, ma un utilizzo poco trasparente rischierebbe di compromettere la percezione di autenticità dei contenuti.
Microsoft e Sony: cresce l’interesse per i brevetti legati all’IA
Il brevetto non rappresenta necessariamente un prodotto destinato al mercato. Microsoft deposita regolarmente documenti relativi a tecnologie che potrebbero non essere mai implementate nei propri servizi commerciali.
Inoltre, secondo le informazioni riportate, le rivendicazioni iniziali del brevetto sono già state respinte dall’esaminatore, un passaggio che può verificarsi durante il normale processo di valutazione e che non equivale necessariamente alla conclusione definitiva dell’iter.
Anche Sony sta investendo nella ricerca di nuove applicazioni dell’intelligenza artificiale attraverso diversi brevetti, tra cui tecnologie di generazione dei fotogrammi e sistemi AI capaci di intervenire durante le sessioni di gioco per assistere gli utenti momentaneamente distratti.
Il settore tecnologico sembra dunque sempre più interessato a sfruttare l’intelligenza artificiale non soltanto per generare nuovi contenuti, ma anche per modificare e adattare quelli già esistenti.
Resta da capire se il sistema di Microsoft arriverà effettivamente sul mercato e, soprattutto, quali garanzie saranno previste per assicurare agli utenti la piena consapevolezza delle modifiche apportate ai contenuti audiovisivi.
HW Legend Staff
