هل تتخيل أن كلامك في بث مباشر قد يُعدَّل قبل أن يصل إلى المشاهدين بثوانٍ قليلة، وأن شفتيك في الفيديو تتحركان بما يتطابق مع الكلام المعدَّل؟ هذا ما يبدو أن مايكروسوفت تعمل عليه، بعد طلب براءة اختراع لنظام ذكاء اصطناعي يعمل في الوقت شبه الحقيقي لمراقبة وتعديل ما يقوله المتحدث أثناء البث.
.webp "براءة اختراع مايكروسوفت: تعديل كلام وشفاه المتحدث في البث المباشر")
النظام يعمل بتأخير يتراوح بين ثانية و10 ثوانٍ فقط، وهي فترة كافية لتحليل الكلام وتعديله قبل وصوله إلى المشاهد، دون أن يلاحظ المتلقي أن هناك تغييرًا قد حدث.
كيف يعمل النظام؟
الآلية تعتمد على وكيل ذكاء اصطناعي يراقب الصوت والصورة في الوقت نفسه، ويحدد العبارات التي تحتاج إلى تعديل أو حذف، وفقًا لـملف المشاهد الذي يشمل العمر والموقع واللغة.
الخطوة الأهم ليست في استبدال الصوت فقط، بل في توليد إطارات فيديو جديدة تُطابق حركة الشفاه مع الكلام المعدَّل. هذا يعني أن النظام لا يكتفي بتغيير ما يُسمع، بل يعيد بناء الصورة البصرية لتتوافق مع الصوت الجديد بسلاسة تامة.
هذه النقطة تحديدًا هي ما يميز النظام عن أدوات الترجمة أو التعديل الصوتي التقليدية، التي غالبًا ما تنتج فجوة بين الصوت والصورة تجعل العملية ملحوظة.
ما الاستخدامات المتوقعة؟
براءة الاختراع تستعرض مجموعة واسعة من الاستخدامات التي تجعل النظام أشبه بأداة تحرير مباشرة، لا مجرد فلتر صوتي:
- إزالة التردد والكلمات الزائدة: مثل "um" و"ah"، وهي كلمات لا تضيف قيمة وتضعف الخطاب.
- حجب الشتائم والألفاظ غير اللائقة: بما يتوافق مع معايير المحتوى.
- تصحيح النطق الخاطئ والتمتمة: أو استبدال العامية بالفصحى.
- الترجمة الفورية المباشرة: مع مزامنة حركة الشفاه مع اللغة الجديدة.
- تصحيح المعلومات والتدقيق الفوري: بربط الكلام ببحث على الإنترنت للتحقق من صحته.
- العمل والتوافق عبر أجهزة متعددة: مما يوسع نطاق استخدامه.
لماذا هذا النظام مختلف؟
الفرق الجوهري يكمن في ثلاثة عناصر:
- التوقيت: العمل بتأخير يصل إلى 10 ثوانٍ فقط، لا دقائق أو ساعات.
- الدمج بين الصوت والصورة: توليد إطارات فيديو جديدة لا مجرد تعديل الصوت.
- التخصيص: تعديل الكلام وفقًا لملف المشاهد، لا وفق قاعدة واحدة للجميع.
هذه العناصر مجتمعة تجعل النظام أقرب إلى "محرر بث مباشر" يعمل في الخلفية، بدلًا من أداة منفصلة يستخدمها المتحدث قبل البث أو بعده.
ما الإشكالات التي يثيرها؟
رغم أن الفكرة قد تبدو مفيدة في سياقات معينة، فإنها تفتح بابًا لأسئلة جوهرية:
- الأمانة والشفافية: إذا كان النظام يعدّل الكلام ويولّد حركة شفاه جديدة، فكيف يعرف المشاهد أن ما يراه هو ما قيل فعلًا؟
- التحريف المحتمل: تعديل كلمة أو حذف عبارة قد يغير المعنى بالكامل، خصوصًا في السياقات السياسية أو القانونية.
- الخصوصية: تحليل صوت المتحدث وصورته في الوقت شبه الحقيقي يثير تساؤلات حول حدود المراقبة.
- المسؤولية القانونية: من يتحمل مسؤولية معلومة خاطئة قيلت ثم عُدّلت آليًا قبل بثها؟
- التزييف العميق: توليد إطارات فيديو جديدة لمطابقة حركة الشفاه هو تقنية تحمل مخاطر استخدام في التضليل، حتى لو كانت النوايا حسنة.
- التحيز: تخصيص التعديل وفق ملف المشاهد قد يؤدي إلى نسخ مختلفة من البث نفسه، كل منها يقول شيئًا مختلفًا.
ماذا يعني ذلك للمستخدم؟
- للمشاهد: قد يرى محتوى أكثر نظافة وسلاسة، لكنه لن يعرف ما الذي عُدّل وما الذي بقي كما هو.
- للمتحدث: قد يجد أداة تخفف الأخطاء اللغوية، لكنه يفقد السيطرة الكاملة على ما يُبث باسمه.
- للمؤسسات الإعلامية: قد تستفيد من النظام لتحسين جودة البث، لكنها تحتاج إلى سياسات واضحة للإفصاح عن التعديلات.
- للمنظمين: الحاجة إلى أطر تنظيمية تميز بين التعديل المشروع والتضليل تزداد إلحاحًا.
هل هذا مجرد براءة اختراع؟
نعم، يجب التأكيد على أن الأمر ما يزال في مرحلة طلب براءة اختراع، وليس منتجًا متاحًا للاستخدام. كثير من براءات الاختراع لا تتحول إلى منتجات فعلية، وبعضها يبقى مجرد فكرة محمية قانونيًا دون تطبيق عملي.
لكن مجرد تقديم الطلب يعكس توجهًا تقنيًا حقيقيًا لدى مايكروسوفت نحو دمج الذكاء الاصطناعي في البث المباشر، وهو توجه يستحق المتابعة.
الخلاصة
نظام مايكروسوفت المقترح يمثل خطوة متقدمة في دمج الذكاء الاصطناعي في البث المباشر، ليس على مستوى الصوت فقط، بل على مستوى الصورة أيضًا. الفكرة تحمل فوائد واضحة في تحسين جودة المحتوى، لكنها تفتح في الوقت نفسه أسئلة حول الشفافية والمسؤولية والتزييف.
السؤال الذي يفرض نفسه الآن: هل نريد بثًا مباشرًا معدّلًا بالكامل ليبدو مثاليًا، أم بثًا حقيقيًا يعكس ما قيل فعلًا، حتى لو حمل أخطاء؟
.webp)