Microsoft-এর নতুন AI সিস্টেম লাইভ ভিডিওতে বক্তার কথা ও মুখ বদলে দেবে

জেনারেটিভ আর্টিফিশিয়াল ইন্টেলিজেন্সের হাত ধরে কৃত্রিম ছবি ও ভিডিও তৈরিতে বিপ্লব এসেছে। এখন Microsoft এমন এক কৃত্রিম মেধা ভিত্তিক প্রযুক্তির উপর কাজ করছে, যা কোনও লাইভ ভিডিও চলাকালীন বক্তার কথাবার্তা পাল্টে দেওয়া, অপ্রয়োজনীয় শব্দ বা অভিব্যক্তি বাদ দেওয়া, ও মুখের চেহারা এবং নড়াচড়া পরিবর্তন করতে সাহায্য করছে। মার্কিন সফটওয়্যার জায়ান্টটির সদ্য ফাইল করা একটি পেটেন্ট থেকে নতুন টেকনোলজির প্রসঙ্গে জানা গিয়েছে। সেখানে এমন এক AI সিস্টেমের কথা বলা হয়েছে, যা প্রায় রিয়েল টাইমে লাইভ অডিও এবং ভিডিও বদলে দিতে পারবে।

Microsoft-এর AI লাইভ ভিডিওতে কথা ও মুখের অভিব্যক্তি পরিবৰ্তন করতে পারবে

মাইক্রোসফটের অত্যাধুনিক এআই প্রযুক্তি ভিডিওর মূল ফুটেজ এমনভাবে পরিবর্তন করবে, যাতে দেখে মনে হবে বক্তা প্রথম থেকে একই কথা বলে আসছিলেন। এই ধরনের প্রযুক্তি বাস্তবায়িত হলে লাইভ ব্রডকাস্টের ধারণা সম্পূর্ণ পাল্টে যেতে পারে। কারণ দর্শকরা সরাসরি সম্প্রচার দেখলেও সেখানে আসল বক্তব্যের পরিবর্তে এআই দিয়ে তৈরি করা কথা শুনতে পাবেন।

পেটেন্টলাইজের রিপোর্ট অনুযায়ী ও ফিউচারিজমের নজরে আসা মাইক্রোসফটের নয়া পেটেন্ট ফাইলিংয়ের নম্বর US 2026/0341309 A1। পেটেন্টে বলা হয়েছে, প্রযুক্তিটির মাধ্যমে ক্যামেরা এবং মাইক্রোফোন ব্যবহার করে বক্তার লাইভ অডিও ও ভিডিও রেকর্ড হবে। তারপর একটি এআই এজেন্ট ব্যবহারকারীর প্রোফাইল ও পছন্দ অনুযায়ী কোন কোন শব্দ বা বাক্য পরিবর্তন করা প্রয়োজন, তা শনাক্ত করবে।

পেটেন্টের আরও একটি গুরুত্বপূর্ণ দিক হল লাইভ ট্রান্সেলেশন বা সরাসরি ভাষান্তর। মূল ভিডিওতে যে ভাষায় কথা বলা নেই, তা রিয়েল টাইমে অনুবাদ করে দিতে পারবে মাইক্রোসফটের প্রযুক্তি। বিষয়টিকে বাস্তবসম্মত করতে অনুবাদ করা শব্দের সঙ্গে সামঞ্জস্য রেখে বক্তার ঠোঁটের নড়াচড়াও পরিবর্তন করা যাবে। ফলে দর্শকের মনে হবে, বক্তা প্রথম থেকেই তাঁর মাতৃভাষা বা পরিচিত ভাষায় কথা বলছেন।

বিল গেটসের প্রতিষ্ঠিত সংস্থার প্রস্তাবিত প্রযুক্তিতে জেনারেটিভ এআইয়ের মাধ্যমে বক্তার মুখের অংশ নতুন করে তৈরি হবে। ভিডিওর আশেপাশের ফ্রেমগুলোতেও প্রয়োজনীয় পরিবর্তন আনা হবে, যাতে পরিবর্তিত বক্তব্যের সঙ্গে ঠোঁটের নড়াচড়া হুবহু মিলে যায়।

পুরো প্রক্রিয়াটি তাৎক্ষণিকভাবে সম্পন্ন হবে৷ অর্থাৎ ভিডিও রেকর্ড করার পর আলাদা এডিটিং করার প্রয়োজন হবে না। লাইভ ভিডিও শুরু হওয়ার কয়েক সেকেন্ডের মধ্যে অডিও এবং ভিডিও স্বয়ংক্রিয়ভাবে পরিবর্তন হবে।

তবে উক্ত প্রযুক্তির অপব্যবহার নিয়েও আশঙ্কা ঘনাচ্ছে। এর সাহায্যে আসল ভিডিওর শব্দ নিখুঁতভাবে পাল্টে বিশ্বাসযোগ্যতার মোড়কে ভুয়ো তথ্য ছড়াতে ব্যবহার হতে পারে। তবে প্রযুক্তিটি আপাতত পেটেন্ট হিসেবে জমা দেওয়া হয়েছে। মাইক্রোসফট এখনই প্রযুক্তিটি বাজারে আনার জন্য প্রস্তুতি নিচ্ছে, তা নয়।