近日，科技媒体MSPoweruser报道了一项微软新获得的专利，该专利描述了一种能够根据用户实时语音输入生成图片的技术。据悉，这项专利于2023年4月5日提交申请，并于10月10日获得美国商标和专利局的批准，共计20页。
根据专利描述，这一创新系统能够在会议或讲座中实时捕捉音频，通过语言模型进行总结，并据此生成相应的AI图像，以增强视觉沟通效果。
具体工作流程包括三个步骤：首先，用户通过麦克风发言，系统实时记录并转化为文本；其次，分段记录文本，并通过语言模型对每段内容进行总结；最后，根据这些总结生成的提示，系统创建并实时显示AI生成的图像。
预计这一功能将主要应用于Microsoft Teams平台。随着演讲者话题的变化，实时生成的图像也会随之更新，有助于澄清概念，尤其适合需要视觉辅助学习的用户。
微软表示，这种创新技术不仅能够提升沟通效率，还能为学习者提供更加直观、生动的视觉辅助，有望在未来的在线会议和教育领域发挥重要作用。
