微软推出 Copilot Portraits：给语音助手配上 40 张实时动态人脸

对着黑漆漆的手机屏幕或者跳动的声波说话，总让人觉得自己在对着空气自言自语。

微软显然也注意到了这种尴尬。在实验性平台 Copilot Labs 里，微软推出了一项叫 Copilot Portraits 的新功能，直接给 Copilot 的语音通话配上了会动的人脸。

这次一共上线了 40 款预设的人像风格。当你用语音和 Copilot 聊天时，屏幕上的虚拟形象会根据对话内容实时做出表情、转动头部，口型也能完全对上。

单张照片驱动，告别 3D 建模

微软 AI 负责人 Mustafa Suleyman 在社交平台 X 上解释了做这个功能的初衷。他说，不少用户反馈，用语音聊天时，看着一张脸说话感觉会舒服、自然得多。

这套功能背后用的是微软研究院之前公布的 VASA-1 视觉模型。它的厉害之处在于，完全不需要复杂的 3D 建模流程，只要给模型一张静态人像图片，结合实时音频流，就能瞬间生成自然的微表情、头部摆动以及精确的唇形同步。

其实今年 7 月，微软就试水过类似的 Copilot Appearances 功能，但当时用的只是会变色的卡通光斑。这次的 Portraits 终于跨到了真人头像形态。

不过，微软并没有追求完全的照片级逼真。官方特别强调，这 40 张面孔都是经过风格化处理的，一眼就能看出是虚拟形象，屏幕上也会有明显的 AI 标识。

慢半拍的测试与严格防线

相比其他厂商的激进打法，微软在虚拟人陪伴这条路上显得格外谨慎。

隔壁社交平台 X 之前就给 Grok 塞进了 3D 虚拟形象，甚至放开了带打擦边球模式的二次元 AI 女友；而 Character.AI 这类陪伴式产品最近则因为青少年心理健康等安全问题饱受争议与调查。

微软显然不想惹上麻烦。Copilot Portraits 目前只在美国、英国和加拿大开放给部分 18 岁以上的用户尝鲜。

除了年龄门槛，微软还在系统里设了每日使用时长限制和单次会话限制，防止用户过度沉迷。

为什么重要

我们认为，微软这一步走得相当清醒且克制。

给语音助手加张脸，看起来只是个视觉小花招，但它直击了语音交互最大的痛点：面对虚空说话的心理隔阂。对于想把 AI 当成日常搭子或者口语练习对象的普通用户来说，哪怕只是一个带微表情的风格化虚拟人，交流时的沉浸感和陪伴感也会直线上升。

但更值得看的是微软的技术取舍。它没有去拼算力消耗巨大的全 3D 渲染，而是用 VASA-1 靠单图轻量化驱动，把端到端的延迟压到了实时通话的可用水平。这种方案成本低、扩展性强，未来完全可以开放给用户自定义上传头像。

同时，故意不做完全拟真、加上严格的时长限制，也避开了「恐怖谷效应」和情感寄生带来的伦理风险。在对手靠擦边角色吸引眼球的时候，微软依然想把 Copilot 守在安全、可信的生产力与日常助手边界内。这种克制能不能留住年轻人还不好说，但对一家大企业而言，确实是最稳妥的选择。