微软新专利：AI 能实时改掉直播里说的话，还把嘴型对得严丝合缝

微软最近公开了一项专利申请，思路挺大胆：用 AI 在直播和实时视频里，几乎同步地改掉人说的话，连嘴型都重新画一遍，让观众看不出原话已经被换掉。

这份专利编号是 US 2026/0341309 A1，名字很长，大意是“用人工智能近乎实时地增强直播活动的视频或 AR 演示”。按文件描述，系统里有一个 AI 智能体负责实时听音频，再根据预设规则或者观众的个人资料——比如年龄、使用语言、所在地区——挑出需要修改或删掉的词。

挑出来之后，生成式 AI 会在音频里把这些词换掉，把前后衔接抹平，同时重新生成画面，让说话者的嘴部动作跟改后的语音对得上。处理过的视频会延迟大约 1 到 10 秒播出，留出改音改画的时间。

会被动手的内容包括口头禅、结巴、读错的词、冒犯性表达，还有一些口语说法，比如“y’all”和“bite the bullet”。专利里还写了实时翻译：如果观众听不懂说话者的语言，系统可以直接换成翻译后的语音，嘴型跟着重画。

文件列出的场景有讲座、颁奖典礼、游戏节目和体育赛事直播，系统可以跑在 AR 眼镜、手机、平板或者摄像头上。有意思的是，其中一项权利要求提到可以保留原始录像，作为“真实依据”。

需要说明的是，这只是公开的专利申请，不等于已经拿到授权。审查员在 2026 年 7 月 29 日驳回了申请中的部分权利要求，这在专利审查里很常见，微软还可以答复和修改。这项申请是 2025 年 4 月 29 日提交的，微软也没说会不会真做进产品。