本周，微软 Edge 浏览器中的 AI Copilot 添加了一项功能，即生成视频文本摘要。但正如微软广告和网络服务首席执行官米哈伊尔-帕拉欣（Mikhail Parakhin）所解释的那样，Edge Copilot 的省时功能仍然相当有限，而且只适用于预处理过的视频或带字幕的视频。
Parakhin 写道："为了让它发挥作用，我们需要对视频进行预处理。如果视频有字幕，我们可以随时恢复；如果没有字幕，而且我们还没有预处理，那么它就不能工作。"
换句话说，Edge Copilot 本身与其说是总结视频，不如说是总结视频的文字稿。Copilot 还可以在整个 Microsoft 365 中执行类似的功能，包括总结 Teams 视频会议和客户服务代理的通话内容--在这两种情况下，音频都需要先由微软进行转录。Microsoft Stream 上的 Copilot 也可以总结任何视频，但同样需要用户生成书面文字记录。
在设计师 Pietro Schirano 发布了 Edge Copilot 总结 YouTube 视频《GTA VI》预告片的屏幕录像后，话题开始了。在这种情况下，Copilot 似乎完美地完成了任务。录音中的用户按下 Copilot 侧边栏上的"生成视频摘要"按钮，仅几秒钟后，Copilot 就生成了一份视频摘要，并标注了要点和时间戳。
当然，包括 YouTube 和 Vimeo 在内的许多平台都能自动生成文字稿和字幕，前提是用户启用了该功能。The Verge 在 X 上询问 Parakhin，我们是否可以认为大多数公开视频（如 YouTube）都没有经过预处理，他回答说："应该对大多数视频都有效"。
Copilot 只是微软与Google（及其他公司）展开生成式人工智能竞赛的最新例子。上个月，Google为其 Bard 聊天机器人升级了 YouTube 扩展，使其能够总结视频内容，并从中浮现出特定信息。就在本周，Google宣布对"双子座"（Gemini）进行重大更新，但更新本身也存在问题--在一次演示中，该公司的编辑可能歪曲了人工智能的某些功能，而且Google并不总是能把事实说清楚。
帕拉欣在社交媒体上坦率地讲述了 Copilot 的各个发展阶段。