Copilot Labs 上线脚本模式：新模型支持逐字精准朗读

用 AI 配过音的人大概都遇到过这种尴尬：你辛辛苦苦写好的台词，模型读着读着就开始自由发挥，不是偷改词就是漏字。

Microsoft AI 负责人 Mustafa Suleyman 宣布，Copilot Labs 的音频生成功能正式上线 Scripted 模式。

一字不差念稿，微软把控制权交了回来

这项功能由微软自研的新语音模型 MAI-Voice-1 驱动。它的核心卖点非常简单直接：严格按照你输入的文本逐字朗读，绝不多嘴。

除了 Scripted 模式，Copilot Labs 还梳理了另外两种模式。一个是 Emotive 模式，会在文本基础上自由发挥一点，用来拉满戏剧感；另一个是 Story 模式，可以一人分饰多角，表演不同的声音和角色。

目前这三种模式已经在 Copilot Labs 的音频体验页面向用户开放。

为什么重要

对于做短视频配音、播客或是商业口播的创作者来说，AI 擅自发挥往往是最大的痛点。为了纠正一个被念错或篡改的关键词，用户经常要反复生成好几次，极度浪费时间。

我们认为，微软这次的做法很聪明。与其试图用一个通用大模型去猜用户想要严谨还是想要生动，不如把控制权拆成清晰的档位，让创作者自己选。

不过这也带来了一个潜在疑问：严格逐字朗读时，语调和停顿会不会容易退化成机械音。MAI-Voice-1 能否在保证一字不差的同时维持住自然度，是接下来最值得观察的地方。