Microsoft 将在 Teams 上线声音克隆：开跨国会能用你的原声讲 9 种语言

开跨国跨语言视频会议，最别扭的往往不是听不懂，而是屏幕另一头传出来的机械音翻译，冷冰冰得像个客服机器人。

在 Ignite 2024 大会上，Microsoft 打算把这种尴尬彻底改掉。官方公布了内置于 Teams 的实时同传工具 Interpreter，能做到「语音到语音」的实时翻译，更关键的是，它还能直接模拟你原本的音色。

这项功能预计将在 2025 年初正式上线，面向 Microsoft 365 订阅用户开放。

讲 9 种语言，听起来还是你

按照 Microsoft 首席营销官 Jared Spataro 的说法，这个功能就是为了让跨语言沟通更有「人情味」。

Interpreter 首批支持 9 种语言之间的互译，包括中文（普通话）、英语、法语、德语、意大利语、日语、韩语、葡萄牙语和西班牙语。

开会时只要打开这个工具，对方听到的就不再是千篇一律的系统配音，而是顶着你自己的音色、节奏在说另一门外语。整个翻译过程在会议进行时实时完成。

当然，AI 翻译天然有短板，比如很难完全吃透俚语、文化隐喻或者微妙的语境。但相比昂贵且难约的人工同传，对跨国企业日常拉通来说，这种方案性价比极高。据 Markets and Markets 预测，包括翻译在内的自然语言处理技术市场，到 2026 年规模将达到 351 亿美元。

想要克隆，必须先点头

把声音克隆直接搬进办公软件，最让人头皮发麻的自然是安全问题。

今年早些时候，就有跨国公司因为黑客在 Teams 会议中伪造高管音视频，被硬生生骗走 2500 万美元。美国联邦贸易委员会（FTC）的数据也显示，去年冒充身份类诈骗造成的损失已经超过 10 亿美元。正是因为深伪滥用风险太高，OpenAI 早前甚至一直扣着自己的声音克隆工具 Voice Engine 不敢公开发放。

Microsoft 这次显然也带着防备心。官方表示，声音模拟功能默认不会自动开启，只有用户在会议弹窗中明确同意，或者在设置里开启「声音模拟许可」后才会生效。

同时，Microsoft 承诺该工具不会存储任何生物识别数据，不会在声音中强行加入原本没有的情感色彩，并且支持随时在 Teams 设置里彻底关闭。

为什么重要

跨国团队协作里，语言不通一直是最大的摩擦成本。很多平时业务精湛的员工，因为英语不够流利，在跨国会议上几乎丧失了表达空间。Interpreter 如果真能做到低延迟的原声转译，普通跨国打工人终于可以用母语顺畅开会，而不必依赖翻译器打字或者等课后纪要。

在行业层面，AI 巨头们正从单纯的「文字翻译」转向更复杂的「多模态实时交互」。Meta 前不久在 Instagram Reels 上测试自动翻译原声，ElevenLabs 也在主打多语言语音生成。Microsoft 把它塞进全球装机量极大的 Teams，直接把前沿的语音合成技术推到了数以亿计的企业打工人面前，这会倒逼 Zoom 和 Google Meet 必须迅速拿出同等体验的跟进方案。

我们认为，Microsoft 这次最聪明的点在于划定了非常窄的应用场景，并且把授权门槛做得极度透明。它没有像其他生成式音频工具那样提供开放式的音色上传接口，而是锁死在真人实时的会议流中，必须参会人本人主动授权。

但隐患依然存在。即便有了授权机制，如何防止有人利用提前录制好的欺诈话术接入会议并诱导授权，依然需要打个问号。对企业安全主管来说，这门技术在带来跨国沟通便利的同时，也意味着公司必须建立更严格的内部反诈复核流程。