11月9日讯，据 techpowerup 消息，微软近期公布了一项ai系统专利（us 2026/0341309 a1），该技术能够在直播视频流中实时调整说话内容，并同步生成与新语音一致的唇部动作。该专利于2025年4月递交，于2026年10月29日正式公开，由patentlyze率先披露。

从技术实现来看，AI Agent会持续分析直播音频流，结合预设策略及观众特征（如年龄、语言偏好、地理位置）识别需替换或屏蔽的词汇；随后调用生成式模型同步生成修改后的语音与对应口型画面，并对编辑区域周边的视频帧进行局部重绘，最终以1至10秒的延迟向终端输出。该系统支持在AR眼镜、智能手机、平板电脑或网络摄像头等设备上本地运行。

在应用场景方面，实时多语种翻译并精准匹配唇形被列为最具落地潜力的方向；此外，系统亦可自动过滤填充词、修正口误、弱化过度口语化表达。专利文档中明确列举了学术讲座、颁奖典礼、游戏类综艺及体育赛事直播等典型使用场景。原始未处理音视频信号可被保留作为真实性参考依据，但核心权利要求中并未包含向观众告知内容已被编辑的相关机制。

需要指出的是，微软每年提交大量专利申请，其中多数并未实际投入商用；本项专利目前尚处于常规审查流程，其主要权利要求已被审查员驳回。与此同时，Sony近期也在AI相关专利领域展开密集布局。

☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜