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

2024年10月15日 15:24:39 来源：IT之家

　　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。

　　根据美国商标和专利局最新公示的清单，该专利共计 20 页，微软于 2023 年 4 月 5 日提交申请，于 10 月 10 日获批。

　　根据专利描述，该系统可以在会议或讲座中实时捕捉音频，随后通过语言模型进行总结，并生成相应的 AI 图像。

　　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。

　　文章内容仅供阅读，不构成投资建议，请谨慎对待。投资者据此操作，风险自担。

即时

10月14日晚，2024年度双十一购物狂欢节大幕拉开，讯飞AI会议耳机以其卓越的性能表现成功吸引了广大消费者的目光，在大促首日取得了十分亮眼的销售成绩。

近日，中国家电及消费电子博览会(AWE 2024)隆重开幕。全球领先的智能终端企业TCL实业携多款创新技术和新品亮相，以敢为精神勇闯技术无人区，斩获四项AWE 2024艾普兰大奖。

“以前都要去窗口办，一套流程下来都要半个月了，现在方便多了!”打开“重庆公积金”微信小程序，按照提示流程提交相关材料，仅几秒钟，重庆市民曾某的账户就打进了21600元。

2024年3月12日，由爱普生举办的主题为“纯臻4K 视界焕新”新品发布会在上海盛大举行。

由世界人工智能大会组委会、上海市经信委、徐汇区政府、临港新片区管委会共同指导，由上海市人工智能行业协会联合上海人工智能实验室、上海临港经济发展(集团)有限公司、开放原子开源基金会主办的“2024全球开发者先锋大会”，将于2024年3月23日至24日举办。