Microsoft 將在 Teams 上線聲音克隆：開跨國會能用你的原聲講 9 種語言

開跨國跨語言視訊會議，最彆扭的往往不是聽不懂，而是螢幕另一頭傳出來的機械音翻譯，冷冰冰得像個客服機器人。

在 Ignite 2024 大會上，Microsoft 打算把這種尷尬徹底改掉。官方公佈了內置於 Teams 的即時同傳工具 Interpreter，能做到「語音到語音」的即時翻譯，更關鍵的是，它還能直接模擬你原本的音色。

這項功能預計將在 2025 年初正式上線，面向 Microsoft 365 訂閱使用者開放。

講 9 種語言，聽起來還是你

按照 Microsoft 首席營銷官 Jared Spataro 的說法，這個功能就是為了讓跨語言溝通更有「人情味」。

Interpreter 首批支援 9 種語言之間的互譯，包括中文（普通話）、英語、法語、德語、義大利語、日語、韓語、葡萄牙語和西班牙語。

開會時只要開啟這個工具，對方聽到的就不再是千篇一律的系統配音，而是頂著你自己的音色、節奏在說另一門外語。整個翻譯過程在會議進行時即時完成。

當然，AI 翻譯天然有短板，比如很難完全吃透俚語、文化隱喻或者微妙的語境。但相比昂貴且難約的人工同傳，對跨國企業日常拉通來說，這種方案價效比極高。據 Markets and Markets 預測，包括翻譯在內的自然語言處理技術市場，到 2026 年規模將達到 351 億美元。

想要克隆，必須先點頭

把聲音克隆直接搬進辦公軟體，最讓人頭皮發麻的自然是安全問題。

今年早些時候，就有跨國公司因為駭客在 Teams 會議中偽造高管音影片，被硬生生騙走 2500 萬美元。美國聯邦貿易委員會（FTC）的資料也顯示，去年冒充身份類詐騙造成的損失已經超過 10 億美元。正是因為深偽濫用風險太高，OpenAI 早前甚至一直扣著自己的聲音克隆工具 Voice Engine 不敢公開發放。

Microsoft 這次顯然也帶著防備心。官方表示，聲音模擬功能預設不會自動開啟，只有使用者在會議彈窗中明確同意，或者在設定裡開啟「聲音模擬許可」後才會生效。

同時，Microsoft 承諾該工具不會儲存任何生物識別資料，不會在聲音中強行加入原本沒有的情感色彩，並且支援隨時在 Teams 設定裡徹底關閉。

為什麼重要

跨國團隊協作裡，語言不通一直是最大的摩擦成本。很多平時業務精湛的員工，因為英語不夠流利，在跨國會議上幾乎喪失了表達空間。Interpreter 如果真能做到低延遲的原聲轉譯，普通跨國打工人終於可以用母語順暢開會，而不必依賴翻譯器打字或者等課後紀要。

在行業層面，AI 巨頭們正從單純的「文字翻譯」轉向更復雜的「多模態即時互動」。Meta 前不久在 Instagram Reels 上測試自動翻譯原聲，ElevenLabs 也在主打多語言語音生成。Microsoft 把它塞進全球裝機量極大的 Teams，直接把前沿的語音合成技術推到了數以億計的企業打工人面前，這會倒逼 Zoom 和 Google Meet 必須迅速拿出同等體驗的跟進方案。

我們認為，Microsoft 這次最聰明的點在於劃定了非常窄的應用場景，並且把授權門檻做得極度透明。它沒有像其他生成式音訊工具那樣提供開放式的音色上傳介面，而是鎖死在真人即時的會議流中，必須參會人本人主動授權。

但隱患依然存在。即便有了授權機制，如何防止有人利用提前錄製好的欺詐話術接入會議並誘導授權，依然需要打個問號。對企業安全主管來說，這門技術在帶來跨國溝通便利的同時，也意味著公司必須建立更嚴格的內部反詐複核流程。