微软探索音生图 AI 模型，实时视觉化会议演讲者语音讲述的场景
发布时间：2024-10-15 13:30:15来源：
10 月 15 日消息，科技媒体 MSPoweruser 昨日（10 月 14 日）发布博文，报道称微软公司获得了一项新的专利，描述了基于用户实时输入的语音来生成图片。
援引该媒体报道，该工作会分为 3 个步骤：
捕捉音频：用户通过麦克风发言，系统实时记录并转化为文本。
处理文本：分段记录文本，每段内容通过语言模型进行总结。
生成图像：根据总结生成的提示，系统创建 AI 生成的图像，并在屏幕上实时显示。
预计该功能将主要应用于 Microsoft Teams。随着演讲者话题的变化，实时生成的图像也会随之更新，从而增强视觉沟通的效果。微软表示，这种图像的使用有助于澄清概念，特别适合通过视觉辅助学习的用户。
（责编： admin）
免责声明：本文为转载，非本网原创内容，不代表本网观点。其原创性以及文中陈述文字和内容未经本站证实，对本文以及其中全部或者部分内容、文字的真实性、完整性、及时性本站不作任何保证或承诺，请读者仅作参考，并请自行核实相关内容。
