Eine am 29. Oktober veröffentlichte Microsoft-Patentanmeldung beschreibt die KI-gestützte Veränderung von Live-Audio und zugehörigen Videobildern. Das Dokument trägt die Nummer US 2026/0341309 A1. Antragsteller ist Microsoft Technology Licensing; eingereicht wurde es am 29. April 2025.
Das System soll gesprochene Wörter anhand von Vorgaben und einem Nutzerprofil auswählen, ersetzen und die Übergänge in Bild und Ton angleichen. Ein eigener Anspruch beschreibt die Übersetzung in eine Sprache des Nutzerprofils und dazu passende Lippenbewegungen. Als mögliche Profilmerkmale nennt die Anmeldung unter anderem Alter, gesprochene Sprachen und Wohnregion.
Spielsequenzen und Cloud-Streams sind ausdrücklich genannt
Zu den aufgeführten Einsatzfällen gehören Vorträge, Podcasts, Live-Veranstaltungen, Spiel-Zwischensequenzen zur Laufzeit und Streams cloudbasierter Spiele. Weitere Ansprüche behandeln das Entfernen von Füllwörtern oder ungeeigneten Begriffen, Hintergrundgeräusche sowie das Aufbewahren der unveränderten Aufnahme als Referenz. Diese Elemente gehören zu unterschiedlichen Ausgestaltungen und müssen nicht alle Bestandteil derselben späteren Umsetzung sein.
Die Veröffentlichung dokumentiert eine Anmeldung und ihre technischen Ansprüche. Sie belegt weder die Erteilung aller Ansprüche noch einen Produktstart. Ob und in welcher Form Microsoft das Verfahren in einen Dienst integriert, geht daraus nicht hervor. Von den bereits veröffentlichten MAI-Audiomodellen ist die Anmeldung als eigenständiges Vorhaben zu unterscheiden; eine Verbindung dieser Modelle mit dem beschriebenen System wird hier nicht behauptet.