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 15:08:57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。