Copilot Labs 上線指令碼模式：新模型支援逐字精準朗讀

用 AI 配過音的人大概都遇到過這種尷尬：你辛辛苦苦寫好的臺詞，模型讀著讀著就開始自由發揮，不是偷改詞就是漏字。

Microsoft AI 負責人 Mustafa Suleyman 宣佈，Copilot Labs 的音訊生成功能正式上線 Scripted 模式。

一字不差念稿，微軟把控制權交了回來

這項功能由微軟自研的新語音模型 MAI-Voice-1 驅動。它的核心賣點非常簡單直接：嚴格按照你輸入的文本逐字朗讀，絕不多嘴。

除了 Scripted 模式，Copilot Labs 還梳理了另外兩種模式。一個是 Emotive 模式，會在文本基礎上自由發揮一點，用來拉滿戲劇感；另一個是 Story 模式，可以一人分飾多角，表演不同的聲音和角色。

目前這三種模式已經在 Copilot Labs 的音訊體驗頁面向用戶開放。

為什麼重要

對於做短影片配音、播客或是商業口播的創作者來說，AI 擅自發揮往往是最大的痛點。為了糾正一個被唸錯或篡改的關鍵詞，使用者經常要反覆生成好幾次，極度浪費時間。

我們認為，微軟這次的做法很聰明。與其試圖用一個通用大模型去猜使用者想要嚴謹還是想要生動，不如把控制權拆成清晰的檔位，讓創作者自己選。

不過這也帶來了一個潛在疑問：嚴格逐字朗讀時，語調和停頓會不會容易退化成機械音。MAI-Voice-1 能否在保證一字不差的同時維持住自然度，是接下來最值得觀察的地方。