Microsoft 申請即時改寫說話內容的 AI 專利,可同步修改直播影像中的臉部與話語

Microsoft 申請即時改寫說話內容的 AI 專利,可同步修改直播影像中的臉部與話語

2026/11/03

Microsoft 近日提出一項 AI 專利申請,技術可即時轉換直播影像,修改說話者的臉部動作與所說的話。這項技術在翻譯與溝通上具應用潛力,但也引發外界對深偽濫用的擔憂。

AI 影像生成技術再往前跨出一步,也再次觸動社會對深偽的敏感神經。Microsoft 近日提出一項 AI 專利申請,內容描述一套能即時轉換直播影像的系統,可同步修改畫面中說話者的臉部表情、嘴型與說出的話語。換言之,這項技術能讓畫面中的人在即時影像裡「說出」原本沒有說過的內容。

從技術角度來看,這類系統需要整合語音辨識、語言生成、語音合成與臉部影像生成等多項 AI 能力,並在極低延遲下完成處理,才能在直播或視訊通話中達到自然的效果。業界分析人士指出,過去類似技術多半用在預錄影片的後製,能夠做到即時處理,代表運算效率與模型能力都已明顯提升。

這項技術最直接的應用場景,可能是跨語言溝通。例如在視訊會議中,系統可將說話者的發言即時翻譯成另一種語言,並同步調整嘴型,讓聽眾看到彷彿以母語發言的畫面。此外,在內容製作、客服與虛擬主播等領域,也可能有相應的商業價值。據悉,多家科技公司近年都在研發即時翻譯與口型同步技術,競爭相當激烈。

然而,技術潛力越大,濫用風險也越高。能即時改寫他人話語與表情的系統,若遭有心人士利用,可能被用於詐騙、散播假訊息或冒充身分。近年語音複製與深偽影片詐騙案例持續增加,社會對於「眼見不一定為憑」的焦慮已經相當普遍。這項專利一曝光,便引發外界對隱私、同意權與資訊真實性的討論。

值得注意的是,專利申請並不代表產品一定會推出。科技公司經常為了保護技術布局而申請大量專利,實際商品化與否,還需考量技術成熟度、市場需求與法規限制。不過,這類專利仍能反映大型科技公司在生成式 AI 影像上的研發方向。

整體而言,Microsoft 的這項專利再次凸顯生成式 AI 的雙面性。後續值得觀察的是相關技術是否會整合進視訊會議或內容工具、企業會採取哪些浮水印與身分驗證機制,以及各國監管機構如何規範即時深偽技術的應用。