微软新探索:音生图AI,实时视觉化会议演讲场景?

   发布时间:2024-10-15 13:26 作者:杨凌霄

近日,科技媒体MSPoweruser发布报道,透露微软公司新获一项创新专利,该专利描述了一种基于用户实时语音输入来生成图片的技术。

据悉,这项专利文件长达20页,微软于2023年4月5日提交申请,并于10月10日获得批准。根据专利的详细描述,该系统能够在会议或讲座等场合实时捕捉音频内容,随后利用语言模型对这些音频进行总结,并据此生成相应的AI图像。

该专利所描述的工作流程分为三个主要步骤:首先是捕捉音频,即用户通过麦克风发言,系统实时记录并将其转化为文本;其次是处理文本,系统将文本分段记录,并对每段内容通过语言模型进行总结;最后是生成图像,系统根据总结生成的提示,创建AI生成的图像,并在屏幕上实时显示。

预计这一功能将主要应用于Microsoft Teams平台。随着演讲者话题的变化,实时生成的图像也会随之更新,从而为用户带来更加丰富的视觉沟通体验。微软表示,这种图像的使用有助于澄清概念,尤其适合那些需要通过视觉辅助来学习的用户。

 
 
更多>同类内容
全站最新
热门内容
本栏最新