近日，科技媒體MSPoweruser發布報道，透露微軟公司新獲一項創新專利，該專利描述了一種基于用戶實時語音輸入來生成圖片的技術。
據悉，這項專利文件長達20頁，微軟于2023年4月5日提交申請，并于10月10日獲得批準。根據專利的詳細描述，該系統能夠在會議或講座等場合實時捕捉音頻內容，隨后利用語言模型對這些音頻進行總結，并據此生成相應的AI圖像。
該專利所描述的工作流程分為三個主要步驟：首先是捕捉音頻，即用戶通過麥克風發言，系統實時記錄并將其轉化為文本；其次是處理文本，系統將文本分段記錄，并對每段內容通過語言模型進行總結；最后是生成圖像，系統根據總結生成的提示，創建AI生成的圖像，并在屏幕上實時顯示。
預計這一功能將主要應用于Microsoft Teams平臺。隨著演講者話題的變化，實時生成的圖像也會隨之更新，從而為用戶帶來更加豐富的視覺溝通體驗。微軟表示，這種圖像的使用有助于澄清概念，尤其適合那些需要通過視覺輔助來學習的用戶。
