سیستم هوش مصنوعی تصویر فرد را همراه یک کلیپ صوتی ترکیب می کند و ویدئویی می سازد که در آن فرد مشغول صحبت کردن است.
هرچند این سیستم هنوز در مراحل ابتدایی است و چندان واقعی به نظر نمی رسد اما محققان معتقدند این نرم افزار به زودی قابلیت ساخت ویدئوهایی کاملا طبیعی را خواهد داشت.
این سیستم توسط محققان دانشگاه آکسفورد ساخته شده و قادر است با کمک الگوریتم هایی مخصوص ویژگی های صورت را در تصویر شناسایی کند.
سپس کلیپ صوتی انتخابی نیز پخش می شود و هوش مصنوعی دهان فرد را در تصویر طوری دستکاری می کند که به نظر می رسد او مشغول صحبت است.
محققان معتقد هستند که با این فناوری می توان ویدئو را به زبان های دیگر دوبله کرد. از سوی دیگر به تدریج می توان بخش صوتی ویدئوهای خبری را به طور خودکار به زبان های دیگر ترجمه کرد.