本週，微軟Edge 瀏覽器中的AI Copilot 增加了一項功能，即產生影片文字摘要。但正如微軟廣告和網路服務執行長米哈伊爾-帕拉欣（Mikhail Parakhin）所解釋的那樣，Edge Copilot 的省時功能仍然相當有限，而且只適用於預處理過的影片或帶字幕的影片.

Parakhin 寫道：「為了讓它發揮作用，我們需要對影片進行預處理。如果影片有字幕，我們可以隨時恢復；如果沒有字幕，而且我們還沒有預處理，那麼它就不能工作。”

換句話說，Edge Copilot 本身與其說是總結視頻，不如說是總結視頻的文字稿。Copilot 也可以在整個Microsoft 365 中執行類似的功能，包括總結Teams 視訊會議和客戶服務代理的通話內容–在這兩種情況下，音訊都需要先由微軟進行轉錄。Microsoft Stream 上的Copilot 也可以總結任何視頻，但同樣需要使用者產生書面文字記錄。

在設計師Pietro Schirano 發布了Edge Copilot 總結YouTube 影片《GTA VI》預告片的螢幕錄影後，話題開始了。在這種情況下，Copilot 似乎完美地完成了任務。錄音中的使用者按下Copilot 側邊欄上的”生成影片摘要”按鈕，僅幾秒鐘後，Copilot 就產生了一份影片摘要，並標註了要點和時間戳記。

當然，包括YouTube 和Vimeo 在內的許多平台都能自動產生文字稿和字幕，前提是用戶啟用了該功能。The Verge 在X 上詢問Parakhin，我們是否可以認為大多數公開影片（如YouTube）都沒有經過預處理，他回答說：”應該對大多數影片都有效」。

Copilot 只是微軟與Google（及其他公司）展開生成式人工智慧競賽的最新例子。上個月，Google為其Bard 聊天機器人升級了YouTube 擴展，使其能夠總結影片內容，並從中浮現出特定訊息。就在本週，Google宣布對”雙子座”（Gemini）進行重大更新，但更新本身也存在問題–在一次演示中，該公司的編輯可能歪曲了人工智慧的某些功能，而且Google並不總是能把事實說清楚。

帕拉欣在社群媒體上坦率地講述了Copilot 的各個發展階段。