【ITBEAR】微軟近期宣布，他們成功獲得了一項(xiàng)創(chuàng)新專利，該技術(shù)能夠?qū)崟r(shí)將用戶的語(yǔ)音輸入轉(zhuǎn)化為生動(dòng)的圖片，為會(huì)議和講座帶來(lái)前所未有的視覺(jué)革新。據(jù)悉，這項(xiàng)專利的核心在于能夠?qū)崟r(shí)捕捉會(huì)議或講座中的音頻內(nèi)容，借助先進(jìn)的語(yǔ)言模型進(jìn)行內(nèi)容提煉，并最終生成相應(yīng)的AI圖像。整個(gè)過(guò)程涵蓋了音頻捕捉、文本處理和圖像生成三大環(huán)節(jié)。
在實(shí)際操作中，用戶通過(guò)麥克風(fēng)發(fā)言，系統(tǒng)即刻捕捉音頻并將其轉(zhuǎn)換為文本。隨后，系統(tǒng)將文本進(jìn)行分段處理，并運(yùn)用語(yǔ)言模型對(duì)每段內(nèi)容進(jìn)行精煉總結(jié)。最后，根據(jù)這些總結(jié)內(nèi)容，系統(tǒng)生成相應(yīng)的AI圖像，并實(shí)時(shí)展示在屏幕上。
微軟計(jì)劃將這項(xiàng)技術(shù)廣泛應(yīng)用于其Microsoft Teams平臺(tái)，使其能夠根據(jù)演講者話題的變化實(shí)時(shí)更新圖像，從而極大地提升視覺(jué)溝通效果。微軟強(qiáng)調(diào)，這種圖像輔助功能對(duì)于視覺(jué)學(xué)習(xí)者來(lái)說(shuō)尤為有益，能夠幫助他們更清晰地理解和吸收信息。
這項(xiàng)專利的申請(qǐng)始于2023年4月5日，經(jīng)過(guò)長(zhǎng)達(dá)半年的嚴(yán)格審核，最終于10月獲得了美國(guó)商標(biāo)和專利局的正式批準(zhǔn)。該專利文件共計(jì)20頁(yè)，詳細(xì)闡述了如何將語(yǔ)音實(shí)時(shí)轉(zhuǎn)化為圖像的技術(shù)細(xì)節(jié)。
