Ön csak a mondanivalójával törődjön a videokonferencián, a mesterséges intelligencia pedig majd elkészíti hozzá a képeket – valahogy így foglalható össze a Microsoft legújabb elképzelése, amit természetesen szabadalmaztatott is. Az Egyesült Államok Szabadalmi és Védjegyhivatala (USPTO) a napokban tette közzé a kapcsolódó 20 oldalas dokumentumot, amelyet eredetileg április elején nyújtottak be – vette észre az MSPowerUser.

A dokumentumban szereplő leírás szerint a mesterséges intelligencia (azaz Copilot-) alapú rendszer élő beszédet konvertál (például értekezletek vagy konferenciák alkalmával), amit majd egy nagy nyelvi modell (LLM) foglal össze. Ennek az összefoglalónak a birtokában pedig a rendszer létrehoz egy mesterséges intelligencia által generált képet.

Kicsit részletesebben arról van szó, hogy miközben a felhasználó beszél, a szavait egy mikrofon rögzíti, és szöveges átirattá alakítja. Az átirat ezután kifejezésekre szegmentálódik, és az egyes szegmenseket egy nyelvi modell segítségével összegzik, hogy az majd kéréseket generáljon a kép létrehozásához. Amikor pedig a beszélő egy másik témára vált, az élőképek is megváltoznak. A Microsoft szerint a képek valós idejű megjelenítése hatékonyabbá teheti a kommunikációt, a vizuális segédeszközök pedig jobban lekötik az embereket, és könnyebben érthetővé teszik a fogalmak megértését.

USPTO

Mindez igazán izgalmasan hangzik, de ne feledjük, a szabadalmaztatás még nem ad garanciát a megjelenésre. Azonban a Microsoft úgy dönt, hogy elindítja ezt a funkciót, akkor az valószínűleg a Microsoft Teamsben, a videokonferencia-platformjában fog megjelenni, és elérhető lesz az Mi-bővítményen, a Copiloton keresztül, például a Copilot Pro vagy a Microsoft 365 Copilot előfizetői számára.

Ha máskor is tudni szeretne hasonló dolgokról, lájkolja a HVG Tech rovatának Facebook-oldalát.