微軟推出 Copilot Portraits：給語音助手配上 40 張即時動態人臉

對著黑漆漆的手機螢幕或者跳動的聲波說話，總讓人覺得自己在對著空氣自言自語。

微軟顯然也注意到了這種尷尬。在實驗性平臺 Copilot Labs 裡，微軟推出了一項叫 Copilot Portraits 的新功能，直接給 Copilot 的語音通話配上了會動的人臉。

這次一共上線了 40 款預設的人像風格。當你用語音和 Copilot 聊天時，螢幕上的虛擬形象會根據對話內容即時做出表情、轉動頭部，口型也能完全對上。

單張照片驅動，告別 3D 建模

微軟 AI 負責人 Mustafa Suleyman 在社交平臺 X 上解釋了做這個功能的初衷。他說，不少使用者反饋，用語音聊天時，看著一張臉說話感覺會舒服、自然得多。

這套功能背後用的是微軟研究院之前公佈的 VASA-1 視覺模型。它的厲害之處在於，完全不需要複雜的 3D 建模流程，只要給模型一張靜態人像圖片，結合即時音訊流，就能瞬間生成自然的微表情、頭部擺動以及精確的唇形同步。

其實今年 7 月，微軟就試水過類似的 Copilot Appearances 功能，但當時用的只是會變色的卡通光斑。這次的 Portraits 終於跨到了真人頭像形態。

不過，微軟並沒有追求完全的照片級逼真。官方特別強調，這 40 張面孔都是經過風格化處理的，一眼就能看出是虛擬形象，螢幕上也會有明顯的 AI 標識。

慢半拍的測試與嚴格防線

相比其他廠商的激進打法，微軟在虛擬人陪伴這條路上顯得格外謹慎。

隔壁社交平臺 X 之前就給 Grok 塞進了 3D 虛擬形象，甚至放開了帶打擦邊球模式的二次元 AI 女友；而 Character.AI 這類陪伴式產品最近則因為青少年心理健康等安全問題飽受爭議與調查。

微軟顯然不想惹上麻煩。Copilot Portraits 目前只在美國、英國和加拿大開放給部分 18 歲以上的使用者嚐鮮。

除了年齡門檻，微軟還在系統裡設了每日使用時長限制和單次會話限制，防止使用者過度沉迷。

為什麼重要

我們認為，微軟這一步走得相當清醒且剋制。

給語音助手加張臉，看起來只是個視覺小花招，但它直擊了語音互動最大的痛點：面對虛空說話的心理隔閡。對於想把 AI 當成日常搭子或者口語練習物件的普通使用者來說，哪怕只是一個帶微表情的風格化虛擬人，交流時的沉浸感和陪伴感也會直線上升。

但更值得看的是微軟的技術取捨。它沒有去拼算力消耗巨大的全 3D 渲染，而是用 VASA-1 靠單圖輕量化驅動，把端到端的延遲壓到了即時通話的可用水平。這種方案成本低、擴充套件性強，未來完全可以開放給使用者自定義上傳頭像。

同時，故意不做完全擬真、加上嚴格的時長限制，也避開了「恐怖谷效應」和情感寄生帶來的倫理風險。在對手靠擦邊角色吸引眼球的時候，微軟依然想把 Copilot 守在安全、可信的生產力與日常助手邊界內。這種剋制能不能留住年輕人還不好說，但對一家大企業而言，確實是最穩妥的選擇。