Microsoft testar en experimentell funktion som bokstavligen ger sin assistent ett "ansikte": den kallas Portraits och den kommer till Copilot Labs med 40 stiliserade mänskliga avatarer kapabel att stödja röstsamtal i realtid. Målet är inte bara att försköna gränssnittet: företaget vill minska friktionen med att prata med en AI och göra interaktionen mer naturlig, särskilt för dem som känner sig mer bekväma med att prata med ett ansikte.
Detta experiment utnyttjar Microsoft Research-teknik för att generera flytande ansiktsanimationer från en bild och ljud, med Live läppsynkronisering, ansiktsuttryck och huvudrörelserSamtidigt har Microsoft rest flera säkerhetsbarriärer: porträtten är inte fotorealistiska, det finns användningsbegränsningar och funktionen är för närvarande begränsad till vuxna och ett fåtal länder, med en kontrollerad utrullning för att lära av verkliga användarupplevelser.
Vad exakt är Porträtt i Copilot?
Porträtt är ett nytt alternativ Copilot Labs vilket låter dig välja mellan över 40 mänskliga karaktärer med varierande stilar, från 2D-design till 3D-alternativ, alla avsiktligt stiliserade för att inte orsaka förväxling med en verklig person. Varje avatar visar gester och mikrouttryck under dialog, vilket bidrar till en känsla av närvaro medan man pratar med röstassistenten.
Idén härrör från ett användningsmönster: vissa användare har kommenterat att de känner sig mer avslappnade och självsäkra om de kan "titta" på någon, till och med en avatar, när de interagerar med AI med rösten. Det är därför Microsoft har beslutat att experimentera med ett ansikte som reagerar i realtid till konversationen, istället för den klassiska bubblan eller den abstrakta avataren från alltid.
Såsom delats av Copilot-teamet – och uppmärksammats av kanaler som The Verge, såväl som meddelanden på Copilots Discord-server – erbjuder dessa porträtt en högre grad av naturlighet i ansiktsmimik, vilket förstärker talvändningar och de känslomässiga nyanser som är vanliga i en konversation. Det är inte bara munnen: huvudet, blicken och uttrycket bidrar till känslan av flyt.
Som en märklig detalj finns det bland de många olika designerna mycket olika alternativ beroende på ras, kön och ålder; vissa användare har påpekat att en av avatarerna liknar "Cocos mormor" för sin estetik. Andra porträtt är mer moderna eller minimalistiska, och det finns skillnader i stilisering som sträcker sig från det nästan seriefigursliknande till det halvrealistiska, men alltid långt ifrån fotorealism.
För att anpassa upplevelsen kan användaren koppla porträttet till en röst. Denna kombination möjliggör en närmare känsla av "samtalpartner", utan att glömma att vi har att göra med en AI med synliga indikatorer på att den inte är mänsklig, något som Microsoft har lagt i centrum för designen.
Tekniken bakom: VASA‑1 från Microsoft Research
Porträtt drivs av VASA‑1, en teknik utvecklad av Microsoft Research som genererar talande ansikten och Realistiska ansiktsanimationer från en enda bild och ljudEn av dess styrkor är att det inte kräver komplex 3D-modellering: systemet syntetiserar läppsynkronisering, huvudrörelser och ansiktsuttryck i realtid.
Denna metod gör att Copilots porträtt kan reagera flytande i konversation utan att det tar långa förberedelser som vanligtvis krävs av traditionella 3D-pipelines. Med andra ord, Låg latens är en del av designen, något viktigt så att känslan av att ”prata med någon” inte bryts av väntan eller visuell stamning.
Microsoft introducerade VASA-1 för över ett år sedan som en milstolpe inom forskningen, och nu använder de det i praktiken i Copilot. Beslutet att behålla en stiliserad – och inte fotografisk – estetik är inte en infall: företaget söker en balans mellan uttrycksfull naturlighet och etisk klarhetoch undviker illusionen av en riktig person som talar i andra änden.
Bland de tidiga intryck som testarna delat framhävs att porträtten anpassar sig väl till röstböjningar och hanterar läppsynkronisering och gester, även när man växlar mellan språk. Även om det fortfarande är en prototyp, tyder feedbacken på att den tekniska grunden redan möjliggör ganska trovärdiga interaktioner.
Till skillnad från andra metoder på marknaden är VASA-1 inte riktad mot kändisförfalskningar eller hyperrealistiska återskapningar, utan mot AI-assisterade samtal med sociala signaler tillräckligt för att göra dialogen mer mänsklig, men utan att gå över gränsen till att ”se ut” som en person.
Microsofts ståndpunkt: naturlighet ja, illusion av mänsklighet nej
Mustafa Suleyman, chef för Microsoft AI, har betonat målet med detta experiment: att göra det lättare för dem som föredrar att prata med "ett ansikte" att göra det, men utan att falla i fotorealismens fälla. Med chefens ord, Att bygga AI för människor, inte en "digital persona"Risken med att designa system som är oskiljbara från människor är att användarna tillskriver dem medvetande eller till och med rättigheter.
I linje med detta klargör Microsoft att porträtten är "avsiktligt utformade" för att inte fotorealistiskDe inkluderar också visuella varningar som indikerar att du interagerar med en AI, så att upplevelsen är transparent och gränserna är tydligt markerade för alla typer av användare.
Företaget vill lära sig offentligt. Suleyman påpekar att den här funktionen är en prototyp under utveckling, en kontrollerad studie för att förstå Hur användare uppfattar en konversation med en AI ”med ett ansikte”, vad det erbjuder dem, och var riskerna ligger. Därav beslutet att lansera det på ett begränsat och progressivt sätt, med synliga kontroller och dagliga gränser.
Tillvägagångssättet harmoniserar två ofta motstridiga mål: att öka närheten i samtalsupplevelsen och samtidigt förhindra att systemet uppfattas som en person. I den gränsen är transparens – AI-signaturer, visuell stil och gränser – den pelare som Microsoft vill upprätthålla. som en garanti för trygghet och förtroende.
Tillgänglighet, krav och första tester
Porträtt är en del av Copilot Labs, så det är i en experimentell fas och har begränsad åtkomst. Det kan för närvarande testas i USA, Storbritannien och Kanada, och endast för användare över 18 årMicrosoft har också implementerat dagliga och sessionsgränser för att begränsa användningen samtidigt som de samlar in feedback och mäter effekten.
Åtkomst sker via Labb-sektionen i Copilot. Vissa instruktionsmaterial som delats av communityn noterar att aktivering av funktionen kan kräva en Microsoft-konto och, i vissa fall, en Copilot Pro-prenumeration20 dollar per månad nämns i vissa guider, även om kostnaden och kraven kan variera allt eftersom provperioden fortskrider.
Processen för boot Det är enkelt: om alternativet visas i dina Copilot Labs, tryck bara på "Prova nu", välj ett porträtt från den tillgängliga katalogen och tilldela en röst till denDärifrån kan du ha röstsamtal i realtid med AI:n, som animerar det valda ansiktet med mun-, huvud- och geströrelser som matchar ljudet.
Inledande tester har fått positiv feedback från de som ville ha en mindre "kall" interaktion än textchatt. Följande sticker ut: smidighet i språkväxling och gesternas övergripande naturlighet. Som med alla prototyper finns det fortfarande detaljer att finjustera: vissa röster låter bättre än andra, och vissa porträtt fungerar bättre beroende på sammanhanget.
Enligt Microsoft skulle tillgängligheten kunna utökas med el tiempo om upplevelsen uppfyller förväntningarna och resultaten bekräftas användbarhets- och nöjdhetsfördelarDet finns inga offentliga datum för en global lansering ännu.
Från medpilotframträdanden till porträtt: Vilka förändringar
Innan Portraits hade Microsoft redan testat vattnet med Copilot-framträdanden, ett tidigare förslag som presenterades i juli och som innehöll animerade seriefigurer eller "blobs" för att markera känslor och samtalsvändningar. Det tillvägagångssättet var mer konceptuellt och mindre mänskligt i sin estetik.
Den stora skillnaden nu är användningen av VASA-1 och hoppet till stiliserade mänskliga avatarer som bättre bibehåller koherens mellan röst och gest, snarare än en abstrakt karaktär. Detta tjänar till att förstärka känslan av naturlighet utan att gå in i fotorealism, en gräns som Microsoft säger att de inte vill korsa i detta sammanhang.
Samhällskällor och specialiserade nyhetsbrev har spekulerat i en möjlig framtida konvergens mellan dessa porträtt och koncept som Copilotkaraktärer eller liveporträtt, såväl som integrationer relaterade till OneDrive eller funktionerna "Sidor/Minnen". För närvarande är allt detta odaterat och förblir experimentellt och framtidsinriktat.
Parallellt har vissa intervjuer och debattartiklar gått längre och talat om en andrepilot med en "beständig identitet", utökat minne eller till och med avataren som "åldras" med tiden. Även om de låter suggestiva bör dessa idéer tas som en långsiktiga visioner eller hypoteser, inte som funktioner som officiellt tillkännagavs för Portraits idag.
Marknadskontext: deltagare med ansikten och visuella trender
Branschen rör sig mot multimodala assistenter med visuell närvaro. Konkurrenten Grok har till exempel introducerat 3D-avatarer med stilar som sträcker sig från anime till vuxenalternativ (NSFW). I motsats till detta tillvägagångssätt insisterar Microsoft på en kontrollerad, icke-fotorealistisk estetik, med tydliga användningsbegränsningar och varningar, i ett försök att undvika problematiska avvikelser.
Den strategiska skillnaden är uppenbar: prioritera förtroende, trygghet och användbarhet Över det flashiga. Därav den ålders- och landsspecifika lanseringen, och insamlingen av användningsdata för att iterera försiktigt. Microsofts ambition är att Portraits ska komplettera verkliga uppgifter, inte bli ett mål i sig.
Potentiella användningsområden inkluderar intern utbildning, kundservice och tillgänglighet för dem som föredra röstkanalenNärvaron av ett ansikte som nickar, betonar eller visar känslomässiga nyanser kan hjälpa till att förstå instruktioner, förstärka empati och minimera känslan av att tala "in i en tom skärm".
Naturligtvis beror det verkliga värdet på hur Portraits integreras med resten av Microsofts ekosystem och om den visuella interaktionen bidrar. mätbara förbättringar i nöjdhet eller effektivitetExperimentet kommer att tjäna till att mäta det exakt i specifika scenarier.
Säkerhet, integritet och gränser: Spelramverket
Microsoft har implementerat dagliga och sessionsgränser för användning av porträtt, utöver otvetydiga visuella indikatorer på att du har att göra med en AI. Tanken är tvåfaldig: att förhindra missbruk och att sätta tydliga förväntningar på typen av samtalspartner.
Att porträtten är stiliserade och inte fotorealistiska minskar risken för missförstånd och potentiellt skadlig användning. I ett sammanhang där vissa plattformar med avatarer har drabbats av problem – från olämpligt innehåll till försök att simulera riktiga människor—, detta designbeslut introducerar hinder för bedrägeri.
När det gäller integritet och regelefterlevnad (t.ex. GDPR) gör kontrollerad distribution det enklare för Microsoft att stärka skyddsåtgärderna innan skalning. Företaget vill säkerställa att interaktioner går inte överstyr och att transparensskyltar är synliga hela tiden.
Labs experimentmodell låter dig iterera utifrån verklig feedback, justera gränser och, om nödvändigt, korrekta avdrifter vid användningKombinationen av visuell stil, användningskontroller och synliga varningar utgör den initiala säkerhetsperimetern medan funktionens inverkan bedöms.
Affärsimplementering: potential och friktioner
I företag är mognaden att införliva assistenter "med ett ansikte" ojämn. Innovativa sektorer – teknologi, digital, FoU- eller kundupplevelseteam— kan se värde i den närhet som porträtt ger: bättre introduktion, trevligare utbildning eller guidat stöd med sociala signaler.
Inom mer traditionella sektorer – bank, försäkring, industri eller administration – förknippas AI fortfarande i stor utsträckning med ren och skär produktivitetHär kan ett känslomässigt gränssnitt uppfattas som onödigt, lättsinnigt eller invasivt om dess användbarhet inte förklaras med siffror. Kravet på kortsiktig avkastning på investering (ROI) skapar hinder för experiment ansikte mot ansikte.
Dessutom finns det en utmaning för uppfattningen: att ge assistenten gester, röst och minne kan generera misstro om du inte kommunicerar bra Vad det är till för och hur det skyddar data. Regelefterlevnad (t.ex. GDPR) är särskilt viktigt när det gäller känsliga konversationer eller personuppgifter.
Det finns också utmaningen med integration. Många organisationer är inte tekniskt eller kulturellt redo att arbeta med agenter som hanterar röst- och icke-verbala signalerDetta innebär förändringar i processer, upplevelsedesign och ibland i kompetensen hos teamet som orkestrerar AI:n.
- Värderbjudandet måste vara tydligt: bättre service, mindre friktion eller större retention.
- Regelefterlevnad och styrning måste vara uppdaterade: kontroller, revision och transparens.
- Ett begränsat pilotprojekt är lämpligt för att mäta verklig effekt och beräkna ROI.
Samband med andra projekt i Copilot-ekosystemet
Medan Portraits utforskar det visuella lagret av samtal, tänjer Microsoft på andra linjer för att utöka Copilots räckvidd, som till exempel DALL·E 3 med Copilot. Ett exempel är Spelcopilot, en assistent designad för PC-spelare som integreras i spelfältet på Windows och på enheter som ROG Ally.
Den här assistenten kan interagera via röst eller text och erbjuda Taktiska rekommendationer, uppdragsstöd och strategier i realtid. Den har ett "Mini"-läge som visas på skärmen utan att avbryta spelet och push-to-talk-alternativ för snabba frågor, utformade för att följa spelets flöde utan att ta dig ur händelsernas centrum.
Enligt Microsoft jämför Gaming Copilot användarprofilinformation med offentlig Bing-data för att skräddarsy svar till spelets exakta sammanhang, med möjlighet till innehållsskapare ger rekommendationer i framtiden. Även om det är ett annat område, återspeglar det samma tillvägagångssätt: kontextuell, användbar AI med ett polerat gränssnitt.
Snabba frågor
- Hur många porträtt finns det? Mer än 40 stiliserade mänskliga avatarer med en mängd olika stilar, åldrar och estetik.
- Är det fotorealistiskt? Nej. De är utformade för att undvika förvirring med riktiga människor och upprätthålla etisk tydlighet.
- Var finns den tillgänglig? För närvarande tillgängligt i USA, Storbritannien och Kanada, och för personer över 18 år.
- Behöver jag Copilot Pro? Vissa guider nämner att det kan vara nödvändigt i vissa fall; åtkomst hanteras via Copilot Labs.
- Hur fungerar det tekniskt? Med VASA‑1, som genererar ansiktsanimation, huvudrörelser och läppsynkronisering från en bild och ljud.
- Vad är det för? För att göra röstsamtal mer naturligt, minska chattens kyla utan att ge intrycket av att prata med en människa.
Porträtt i Copilot är ett avvägt steg mot mer mänskliga konversationsgränssnitt utan att överskrida gränsen till fotorealism: avatarer som gestikulerar, läppsynkroniserar och nickar naturligt för dem som föredrar att tala till ett "ansikte" snarare än en tom ruta. Med VASA-1 som drivkraft, tydliga användningsgränser, synliga varningar och begränsad distribution, siktar Microsoft på att testa i vilken utsträckning en visuell närvaro förbättrar upplevelsen och förtroendet, och i vilka verkliga scenarier – från hemmet till jobbet – detta lager kan tillföra konkret värde.
Passionerad författare om bytesvärlden och tekniken i allmänhet. Jag älskar att dela med mig av min kunskap genom att skriva, och det är vad jag kommer att göra i den här bloggen, visa dig alla de mest intressanta sakerna om prylar, mjukvara, hårdvara, tekniska trender och mer. Mitt mål är att hjälpa dig att navigera i den digitala världen på ett enkelt och underhållande sätt.