Microsoft đăng ký sáng chế AI chỉnh sửa video trực tiếp, đặt ra thách thức về bản quyền và tính xác thực

(SHTT) - Microsoft đã nộp đơn đăng ký sáng chế công nghệ trí tuệ nhân tạo (AI) có khả năng chỉnh sửa lời nói, khuôn mặt và chuyển động môi của người phát biểu trong video trực tiếp. Công nghệ mở ra triển vọng dịch thuật, nâng cao chất lượng truyền thông, nhưng cũng làm dấy lên những lo ngại về deepfake, quyền đối với hình ảnh và tính xác thực của thông tin.

Sáng chế AI có khả năng thay đổi nội dung phát trực tiếp

Theo Futurism, Microsoft vừa nộp đơn đăng ký sáng chế cho một công nghệ AI có khả năng thay đổi lời nói và biểu cảm khuôn mặt của người phát biểu gần như theo thời gian thực, kể cả trong các chương trình phát trực tiếp (livestream). Sáng chế được mô tả là công nghệ “nâng cao video hoặc các bài trình bày thực tế tăng cường (AR) của sự kiện trực tiếp bằng AI gần như theo thời gian thực”.

Theo thông tin được công bố, đơn đăng ký sáng chế được nộp ngày 29/4/2025 và công bố ngày 29/10/2026. Công nghệ này hướng tới việc tự động điều chỉnh nội dung video và âm thanh, mang lại trải nghiệm xem được cá nhân hóa mà không cần thực hiện các thao tác biên tập thủ công.

Hệ thống sử dụng các tác nhân AI (AI agents) để nhận diện những từ ngữ cần chỉnh sửa hoặc loại bỏ, đồng thời điều chỉnh khuôn mặt, miệng và chuyển động môi của người nói nhằm đồng bộ với nội dung lời thoại mới. Công nghệ cũng có thể xử lý các đoạn âm thanh, hình ảnh ngay trước và sau từ ngữ bị thay thế hoặc loại bỏ để bảo đảm sự chuyển tiếp mượt mà.

Các thay đổi được thực hiện dựa trên những thông số thiết lập trước hoặc hồ sơ người dùng. Điều này cho phép người xem tùy chỉnh nội dung phát trực tiếp theo nhu cầu, sở thích và ngôn ngữ của mình.

Dịch thuật, chuẩn hóa lời nói và cá nhân hóa nội dung

Một trong những ứng dụng được đề cập trong sáng chế là dịch thuật trực tiếp. Hệ thống có thể chuyển lời nói của người phát biểu sang ngôn ngữ mà người xem lựa chọn, đồng thời điều chỉnh chuyển động môi và biểu cảm khuôn mặt để tạo cảm giác người nói đang giao tiếp tự nhiên bằng ngôn ngữ đó.

Ngoài dịch thuật, công nghệ còn có khả năng loại bỏ những từ đệm như “ừm”, “à”, xử lý tình trạng nói lắp hoặc các lỗi phát âm. Hệ thống có thể thay thế từ ngữ bị sử dụng sai, chỉnh sửa những phát biểu không chính xác, loại bỏ các từ ngữ xúc phạm, nhạy cảm hoặc không phù hợp.

Đáng chú ý, phạm vi chỉnh sửa được mô tả trong sáng chế không chỉ giới hạn ở những lỗi kỹ thuật trong giao tiếp. Hệ thống còn có thể loại bỏ các thuật ngữ cá nhân, từ ngữ tự tạo hoặc những cách diễn đạt mang tính địa phương, chẳng hạn từ “y’all” thường được sử dụng tại miền Nam nước Mỹ, hay các thành ngữ thông dụng.

Theo mô tả, từ ngữ thay thế có thể được tìm kiếm trên Internet. Điều này cho thấy công nghệ có thể tiến xa hơn việc biên tập hình ảnh, âm thanh đơn thuần, hướng tới khả năng điều chỉnh nội dung lời nói theo những tiêu chí được thiết lập trước.

Các ứng dụng tiềm năng được đề cập bao gồm bài giảng, hội nghị, thuyết trình, chương trình truyền hình, lễ trao giải, chương trình trò chơi, chương trình nấu ăn và các sự kiện thể thao trực tiếp.

Nguy cơ deepfake và thao túng thông tin theo thời gian thực

Bên cạnh những lợi ích về khả năng tiếp cận và chất lượng truyền thông, công nghệ này cũng đặt ra nhiều vấn đề liên quan đến tính xác thực của nội dung số.

Trong bối cảnh deepfake và thông tin sai lệch ngày càng phổ biến, khả năng thay đổi lời nói và biểu cảm khuôn mặt ngay trong một sự kiện trực tiếp có thể tạo ra những rủi ro mới. Nếu bị sử dụng trái phép hoặc bị can thiệp bởi các chủ thể có ý đồ xấu, công nghệ có thể khiến người xem tiếp nhận một phiên bản nội dung khác với những gì thực sự diễn ra.

Các tình huống có nguy cơ bị thao túng bao gồm phát biểu của chính trị gia, tuyên bố chính sách của doanh nghiệp hoặc các bản tin truyền hình trực tiếp. Việc thay đổi từ ngữ, ngữ cảnh và biểu cảm khuôn mặt có thể làm sai lệch thông điệp ban đầu, gây nhầm lẫn hoặc phục vụ các chiến dịch thông tin sai lệch.

Một vấn đề khác là khả năng cá nhân hóa quá mức. Khi người xem có thể tùy chỉnh lời nói của người khác theo sở thích, việc tiếp nhận thông tin có nguy cơ bị giới hạn trong những nội dung phù hợp với quan điểm cá nhân. Việc loại bỏ tiếng địa phương, cách diễn đạt đặc trưng hoặc những quan điểm không được ưa thích cũng có thể làm giảm tính đa dạng trong giao tiếp.

Đây là thách thức đáng chú ý đối với các nội dung phát trực tiếp, vốn được xem là một hình thức truyền thông có khả năng phản ánh sự kiện tại thời điểm diễn ra. Khi hình ảnh và âm thanh có thể được chỉnh sửa gần như tức thời, ranh giới giữa nội dung gốc và nội dung đã qua xử lý AI trở nên khó nhận biết hơn.

Sáng chế đặt ra vấn đề về quyền hình ảnh và sở hữu trí tuệ

Từ góc độ sở hữu trí tuệ, công nghệ của Microsoft đặt ra những câu hỏi về quyền kiểm soát hình ảnh, giọng nói và nội dung phát biểu của cá nhân. Khả năng tự động thay đổi lời nói, biểu cảm và chuyển động khuôn mặt trong video trực tiếp có thể tác động đến quyền của người biểu diễn, người phát biểu, nhà sản xuất chương trình và các đơn vị sở hữu nội dung.

Nếu việc chỉnh sửa được thực hiện mà không có sự đồng ý của chủ thể liên quan, nội dung sau xử lý có thể làm sai lệch ý định ban đầu của người nói, ảnh hưởng đến danh tiếng, hình ảnh hoặc quyền lợi của họ. Đối với các chương trình có bản quyền, việc sử dụng AI để biến đổi nội dung cũng đặt ra vấn đề về phạm vi cho phép của quyền khai thác, chỉnh sửa và sử dụng tác phẩm.

Bên cạnh đó, việc ứng dụng công nghệ AI để dịch thuật hoặc thay thế lời nói có thể liên quan đến quyền tác giả đối với nội dung gốc, quyền liên quan đối với bản ghi âm, ghi hình và các quyền nhân thân của cá nhân. Những vấn đề này cần được xem xét trong mối quan hệ với pháp luật về sở hữu trí tuệ, bảo vệ dữ liệu cá nhân và quyền đối với hình ảnh.

Theo thông tin được đề cập trong các tài liệu về sáng chế, hệ thống có thể lưu trữ video và âm thanh trực tiếp chưa chỉnh sửa làm dữ liệu gốc, được gọi là “ground truth”. Đây là cơ sở để đối chiếu, xác minh nội dung ban đầu trong trường hợp phát sinh tranh chấp hoặc nghi vấn về tính xác thực.

Một số mô tả về công nghệ cũng đề cập đến việc sử dụng dấu thủy vân số và dữ liệu mật mã để nhận diện nội dung đã được AI tăng cường hoặc chỉnh sửa. Các cơ chế này có thể hỗ trợ quá trình xác minh, tuy nhiên hiệu quả thực tế còn phụ thuộc vào cách thức triển khai, khả năng bảo vệ dữ liệu gốc và mức độ minh bạch của hệ thống.

Minh bạch và sự đồng thuận trở thành yêu cầu quan trọng

Việc phát triển công nghệ AI có khả năng thay đổi video trực tiếp đặt ra yêu cầu về cơ chế quản lý và bảo vệ quyền lợi của các chủ thể liên quan. Những vấn đề cần được quan tâm bao gồm sự đồng thuận của người phát biểu, quyền kiểm soát hình ảnh và giọng nói, khả năng nhận diện nội dung đã qua chỉnh sửa cũng như trách nhiệm của các đơn vị cung cấp và vận hành hệ thống.

Các chuyên gia chính sách công nghệ được đề cập trong những thông tin liên quan nhấn mạnh tầm quan trọng của việc xây dựng tiêu chuẩn nhận diện nội dung AI, yêu cầu gắn nhãn trực quan đối với video đã chỉnh sửa và thiết lập các biện pháp bảo vệ pháp lý phù hợp.

Đối với lĩnh vực sở hữu trí tuệ, sự phát triển của công nghệ này cho thấy yêu cầu tiếp tục hoàn thiện cơ chế bảo vệ quyền tác giả, quyền liên quan và quyền đối với hình ảnh trong môi trường số. Đồng thời, cần phân định rõ giữa việc sử dụng AI để nâng cao khả năng tiếp cận nội dung, chẳng hạn dịch thuật hoặc loại bỏ tiếng ồn, với việc thay đổi nội dung có thể làm sai lệch thông điệp của chủ thể phát biểu.

Microsoft chưa đưa ra phản hồi ngay lập tức về yêu cầu bình luận liên quan đến sáng chế.

Sự xuất hiện của công nghệ chỉnh sửa video trực tiếp bằng AI cho thấy quá trình phát triển các công cụ sáng tạo và biên tập nội dung đang bước sang một giai đoạn mới. Tuy nhiên, khi AI có thể thay đổi cả lời nói lẫn hình ảnh ngay trong thời điểm sự kiện diễn ra, việc bảo đảm tính xác thực, sự đồng thuận và quyền sở hữu trí tuệ sẽ trở thành những yếu tố quan trọng để duy trì niềm tin của công chúng đối với truyền thông số.