10 月 15 日消息，科技媒體 MSPoweruser 昨日（10 月 14 日）發布博文，報道稱微軟公司獲得了一項新的專利，描述了基于用戶實時輸入的語音來生成圖片。

根據美國商標和專利局最新公示的清單，該專利共計 20 頁，微軟于 2023 年 4 月 5 日提交申請，于 10 月 10 日獲批。

根據專利描述，該系統可以在會議或講座中實時捕捉音頻，隨后通過語言模型進行總結，并生成相應的 AI 圖像。

IT之家援引該媒體報道，該工作會分為 3 個步驟：

捕捉音頻：用戶通過麥克風發言，系統實時記錄并轉化為文本。

處理文本：分段記錄文本，每段內容通過語言模型進行總結。

生成圖像：根據總結生成的提示，系統創建 AI 生成的圖像，并在屏幕上實時顯示。

預計該功能將主要應用于 Microsoft Teams。隨著演講者話題的變化，實時生成的圖像也會隨之更新，從而增強視覺溝通的效果。微軟表示，這種圖像的使用有助于澄清概念，特別適合通過視覺輔助學習的用戶。