Microsoft может разрабатывать генератор аудио-изображения, показывает новый патент

В настоящее время на рынке существует множество инструментов искусственного интеллекта (ИИ), которые могут брать текст и изображения пользователей и преобразовывать их в изображения и видео, соответствующие первоначальному запросу. Новый патент показывает, что звук вскоре может стать средством ввода, позволяющим воплотить ваши видения в реальную жизнь.

Как заметил MSPowerUser, Ведомство США по патентам и товарным знакам (USPTO) опубликовало 20-страничный документ, поданный Microsoft 5 апреля 2023 г. и опубликованный 10 октября 2024 г., в котором подробно описывается новая система с поддержкой искусственного интеллекта, которая преобразует живой звук в изображения.

Эта система будет принимать прямую аудиотрансляцию, например, с встречи или лекции, и преобразовывать ее в текстовую расшифровку в реальном времени. Затем расшифровка будет суммирована с помощью большой языковой модели (LLM) и передана в модель преобразования текста в изображение, где изображение будет сгенерировано и выведено на экран, как показано на изображении ниже.

Эта система будет продолжать делать это во время аудиопотока, непрерывно генерируя живые изображения. По мнению Microsoft, отображение изображений в режиме реального времени может помочь сделать общение более эффективным, а наглядные пособия повышают вовлеченность людей и облегчают понимание концепций.

«Отображение изображений, связанных с информацией, передаваемой устно, может повысить эффективность общения, делая его более привлекательным, запоминающимся и простым для понимания», — заявили в Microsoft.

Если вам интересно, скоро ли будет запущена эта функция, ответ, скорее всего, отрицательный. Подача патента — это долгий путь от производства продукта или функции, и многие патенты никогда не доходят до стадии производства и остаются идеей.

Однако, если Microsoft решит запустить эту функцию, она, скорее всего, будет размещена в Microsoft Teams, ее платформе для проведения видеоконференций, и будет доступна через надстройку AI Copilot, например Copilot Pro или Microsoft 365 Copilot для бизнеса.

Искусственный интеллект

Как я использовал ChatGPT для сканирования 170 тысяч строк кода за секунды и сэкономил часы детективной работы

6 способов лучше писать запросы ChatGPT и быстрее получать желаемые результаты

6 строительных блоков цифровых двойников, которые нужны бизнесу, и как в них вписывается ИИ

Gems от Google — это краткое введение в оперативную разработку ИИ

• Как я использовал ChatGPT для сканирования 170 тысяч строк кода за секунды и сэкономил часы детективной работы

• 6 способов лучше писать запросы ChatGPT и быстрее получать желаемые результаты

• 6 строительных блоков цифровых двойников, которые нужны бизнесу, и как в них вписывается ИИ

• Gems от Google — это краткое введение в оперативную разработку ИИ