Microsoft patenta una IA capaz de cambiar tu cara y tus palabras durante un vídeo en directo
Microsoft ha registrado una tecnología de inteligencia artificial diseñada para modificar en tiempo real la imagen y el discurso de una persona durante una videollamada, una retransmisión o cualquier otro vídeo en directo. El sistema podría corregir determinados fallos del habla y ajustar los movimientos de los labios para que coincidan con una versión revisada del audio.
La propuesta apunta a una nueva generación de herramientas de edición audiovisual instantánea. En lugar de limitarse a mejorar el sonido o aplicar filtros sobre la imagen, la IA actuaría sobre varios elementos a la vez: las palabras pronunciadas, la sincronización labial y parte de las expresiones faciales.
Una edición de vídeo que se realiza mientras ocurre
El funcionamiento planteado parte de la captura de la voz y la imagen del usuario. El sistema analizaría el discurso para identificar muletillas, tartamudeos, errores de pronunciación o expresiones consideradas inapropiadas. Después, generaría una versión alternativa del contenido y adaptaría el rostro para que el resultado pareciera natural.
Uno de los puntos clave sería la coordinación entre el audio y los movimientos de la boca. Si la inteligencia artificial elimina una palabra, cambia una frase o sustituye un sonido, también tendría que modificar la posición de los labios y otros gestos faciales. De este modo, el vídeo final no mostraría necesariamente lo que la persona ha dicho o hecho en el momento exacto de la grabación.
La tecnología también podría intervenir sobre expresiones concretas. El sistema tendría capacidad para ajustar determinados movimientos del rostro, como una sonrisa, un gesto de sorpresa o una expresión asociada a una palabra. No se trataría necesariamente de reemplazar toda la cara, sino de modificar los elementos suficientes para hacer que la edición resulte coherente.
Posibles aplicaciones de la inteligencia artificial
Una de las aplicaciones más evidentes estaría en las videollamadas profesionales. La herramienta podría ayudar a presentar mensajes más fluidos en reuniones, entrevistas o conferencias, especialmente cuando el usuario comete errores al hablar o necesita retirar una expresión antes de que llegue al público.
También podría utilizarse en cursos, retransmisiones en directo y creación de contenido para redes sociales. Un presentador podría corregir una muletilla repetida sin tener que volver a grabar toda la intervención, mientras que un creador podría producir una versión más limpia de un vídeo sin recurrir a una edición posterior.
En el ámbito de la accesibilidad, una tecnología de este tipo podría tener usos interesantes. Por ejemplo, podría ayudar a personas con dificultades específicas del habla a generar una salida audiovisual más clara, siempre que el sistema respete su identidad y que la transformación se realice con su autorización.
El riesgo de alterar lo que una persona ha dicho
La misma capacidad que permitiría corregir un error también plantea dudas importantes. Si una IA puede cambiar las palabras y los gestos de alguien en tiempo real, el resultado podría alejarse de la intervención original. La diferencia entre mejorar una presentación y modificar el significado de un mensaje puede ser muy pequeña.
En contextos informativos, políticos o corporativos, la transparencia sería fundamental. El público debería saber si el vídeo ha sido alterado y qué partes se han modificado. Sin avisos visibles o metadatos verificables, esta clase de herramientas podría facilitar la creación de vídeos engañosos y dificultar la comprobación de declaraciones.
El sistema también tendría que afrontar problemas relacionados con la privacidad. Para funcionar, probablemente necesitaría analizar la voz, el rostro y el contenido de la conversación. Eso obliga a definir cómo se procesan esos datos, si se envían a la nube, cuánto tiempo se conservan y quién puede activar las modificaciones.
Una patente no significa que vaya a llegar pronto
El registro de una patente describe una posible solución técnica, pero no confirma que Microsoft vaya a incorporarla a Windows, Teams u otro producto comercial. Las empresas patentan ideas que pueden tardar años en desarrollarse o que finalmente no llegan al mercado.
Además, convertir esta propuesta en una herramienta fiable exigiría resolver varios retos. La IA tendría que mantener la identidad del usuario, evitar deformaciones en el rostro, conservar la naturalidad de la voz y reducir al mínimo el retraso entre la captura y la emisión. En una conversación, incluso unas décimas de segundo pueden afectar a la experiencia.
También sería necesario establecer controles para impedir usos no autorizados. Entre ellos podrían figurar indicadores de contenido generado por IA, registros de cambios, límites para determinadas emisiones y sistemas de consentimiento que eviten que una persona sea modificada sin saberlo.
La edición audiovisual entra en una nueva fase
La tecnología descrita representa una evolución de los filtros faciales y de las herramientas de edición automática. La diferencia es que no se limitaría a embellecer una imagen o sustituir un fondo, sino que intervendría en la relación entre voz, labios y expresiones.
Si llega a convertirse en un producto, podría simplificar la producción de vídeos y mejorar determinadas comunicaciones. Sin embargo, su utilidad dependerá tanto de la precisión técnica como de las garantías que acompañen a cada modificación. En un entorno donde cada vez resulta más difícil distinguir una grabación real de una generada, saber cuándo una cara y unas palabras han sido alteradas será tan importante como la propia tecnología.
