微软为 Copilot 推出“Portraits”功能：语音对话中加入动态头像

微软正在测试一项名为 CopilotPortraits 的新实验性功能，通过引入可动画面孔增强用户在语音交互中的沉浸感。该功能目前面向美国、英国和加拿大部分用户开放，提供 40 个风格化的人类头像，可在实时语音对话中实现自然的面部表情、口型同步与头部动作。

• 地址：https://copilot.microsoft.com/labs/experiments/portrait

这一更新并非为了娱乐化 AI，而是探索如何让语音助手的交互更具临场感与人性化反馈。

功能核心：让 AI 对话“看得见”

当启用 Portraits 后，用户可在语音模式下看到所选头像随对话动态变化：

• 嘴唇运动与语音节奏匹配；
• 表情随语义调整（如提问时皱眉、回应时微笑）；
• 头部轻微摆动，模拟真实交流中的微动作。

用户可以从 40 种预设头像中选择一个，并将其与特定声音组合使用，构建个性化的视觉交互体验。

使用场景示例：

用户：“今天天气怎么样？”
Copilot 头像抬头看向“上方”，略作思考后开口回答，同时嘴唇准确跟随语音输出。

微软表示，此举是为了回应部分用户的反馈——“与一张脸交谈比对着空白界面更自然”。

技术基础：基于 VASA-1 的单图驱动生成

Portraits 的核心技术来自 微软研究院的 VASA-1（Visual Agent Synthesis and Animation），一种用于生成实时视觉 AI 对话的先进模型。

微软亚洲研究院推出新框架VASA-1

其关键能力包括：

• 仅需一张静态人脸图像即可生成逼真的面部动画；
• 实现高精度唇形同步（lip-sync）与情感化表情控制；
• 支持低延迟响应，适配实时语音交互；
• 无需传统 3D 建模或动作捕捉设备。

这意味着系统可以在消费级设备上运行，而不需要复杂的图形资源支持。

与“Copilot Appearances”的区别

今年 7 月，微软曾推出名为 Copilot Appearances 的功能，允许用户自定义 AI 的视觉形象，但其角色为抽象化的卡通 blob 形态。

Portraits 更聚焦于提升语音交互的自然度，是向多模态 AI 助手演进的重要一步。

安全策略：克制设计 + 使用限制

尽管竞争对手已在推进更具拟人甚至浪漫色彩的 AI 形象（如 xAI 的 Grok 提供受动漫启发的“伴侣”角色，含 NSFW 模式），微软对此类功能采取了更为谨慎的态度。

针对 Portraits，微软实施了多项限制措施：

• 头像均为风格化处理，避免高度写实引发“恐怖谷效应”或过度情感投射；
• 仅限 18 岁及以上用户 访问；
• 设置 每日与会话时间上限，防止沉迷；
• 明确标注“你正在与 AI 互动”，防止误解为真人；
• 当前为小范围灰度测试，未全面推送。

微软在官方博客中强调：“每个头像都经过刻意设计，以提供视觉多样性，同时保留 Copilot 所依赖的可信性与安全性。”

行业背景：AI 虚拟形象竞争升温

Copilot Portraits 的推出紧随多家公司探索 AI 视觉交互的趋势之后：

• xAI 为其 Grok 聊天机器人添加 3D 可视化形象；
• Character.AI 因用户与虚拟角色发展不当关系正面临监管审查；
• Google 和 Amazon 也在内部测试带面部动画的助理原型。

在此背景下，微软的选择显示出一种平衡路径：既不完全回避视觉化 AI，也不急于推向拟真或情感陪伴方向。