Die Technik erkennt Gesagtes, ersetzt Wörter und passt die Lippenbewegungen an. Sie könnte etwa übersetzen oder Füllwörter entfernen.
Microsoft-Patent: KI soll Aussagen in Livesendungen ändern

Microsoft hat eine Patentanmeldung für eine KI-Technik eingereicht, die in Livesendungen verändern kann, was Menschen sagen. Darüber berichten Futurism und Computerworld. Entdeckt hat die Anmeldung der Patentdienst Patentlyze. Das System soll automatisch erkennen, was gesagt wird, und einzelne Wörter entfernen oder ersetzen. Zugleich passt es die Mundbewegungen der sprechenden Person an den veränderten Ton an.
Übersetzung, Füllwörter, Schimpfwörter
Als Einsatzmöglichkeiten nennt Microsoft unter anderem die Übersetzung von Livesendungen in andere Sprachen, das Entfernen von Füllwörtern und das Korrigieren von Versprechern. Zudem soll sich das System an die Vorlieben einzelner Zuschauer anpassen lassen und etwa Schimpfwörter, beleidigende Ausdrücke oder bestimmte Formulierungen ausblenden. Als Beispiele für den Einsatz nennt die Anmeldung Vorlesungen, Preisverleihungen, Sportveranstaltungen und Live-Fernsehsendungen. Die Originalaufnahmen sollen sich speichern lassen, um festzuhalten, was tatsächlich gesagt wurde.
Ob und wann Microsoft die Technik als Produkt anbietet, ist offen. Eine Patentanmeldung bedeutet nicht, dass ein Unternehmen eine Technik tatsächlich einsetzt.
Kennzeichnungspflicht in der EU
Eine solche Technik würde in der EU unter die Transparenzpflichten der KI-Verordnung fallen. Nach Artikel 50, der seit dem 2. August 2026 gilt, müssen Betreiber offenlegen, wenn Bild-, Ton- oder Videoinhalte, die echte Personen zeigen, mit KI erzeugt oder verändert wurden, sogenannte Deepfakes. Ausnahmen gelten etwa für offensichtlich künstlerische oder satirische Inhalte.
Anbieter wie Anthropic, OpenAI und Google versehen KI-generierte Inhalte bereits mit unsichtbaren Wasserzeichen, um die Vorgaben zu erfüllen. Microsoft hat bereits Funktionen für die Übersetzung in Echtzeit in Microsoft Teams eingeführt, bei denen KI die Stimme der Sprechenden nachbildet.
(red)




