近日，微軟取得了一項突破性專利，該專利技術(shù)能夠?qū)⒂脩舻膶崟r語音輸入轉(zhuǎn)化為圖片，為會議和講座帶來全新的視覺體驗。根據(jù)專利描述，這項技術(shù)在會議或講座場合中，能夠?qū)崟r捕捉音頻，并通過先進(jìn)的語言模型對內(nèi)容進(jìn)行總結(jié)，最終生成相應(yīng)的AI圖像。這一過程涉及三個主要環(huán)節(jié)：音頻捕捉、文本處理和圖像生成。

具體操作步驟如下：

捕捉音頻：用戶通過麥克風(fēng)發(fā)言，系統(tǒng)實時記錄并轉(zhuǎn)換成文本。

處理文本：系統(tǒng)將文本分段，利用語言模型對每段內(nèi)容進(jìn)行總結(jié)。

生成圖像：根據(jù)總結(jié)內(nèi)容生成的提示，系統(tǒng)創(chuàng)建AI圖像，并在屏幕上實時展示。

這項技術(shù)預(yù)計將主要應(yīng)用于Microsoft Teams，能夠根據(jù)演講者話題的變化實時更新圖像，提升視覺溝通效果。微軟表示，這種圖像輔助功能有助于更清晰地傳達(dá)信息，尤其適合視覺學(xué)習(xí)者。

微軟于2023年4月5日提交的這項專利，經(jīng)過長達(dá)半年的審核，于10月獲得美國商標(biāo)和專利局的批準(zhǔn)。該專利共包含20頁內(nèi)容，詳細(xì)描述了如何將語音實時轉(zhuǎn)化為圖像的技術(shù)。