注：微软该专利名为《Artificial intelligence model for composing audio scores》，主要探讨了基于输入内容，来创建音乐的方法。

该专利主要概述了以下步骤：

收集数据：收集大量的训练数据，这些数据包括许多包含视频和音频组件的视听数据集。

分析提取：分析数据集并提取不同类型的特征。例如文本视频中的颜色、形状、运动和场景等等。

关联：Copilot 会分析这些特征并寻找它们之间的相关性。例如，某些场景（如日落）通常伴随着特定类型的音乐（如平静、舒缓的旋律）。

Copilot 将通过这些特性进行训练，并利用关联系统，生成与新视频的视觉和文本特征相匹配的适当音频评分。

在现实生活中，这项技术可以用于各种应用，例如：

电影和视频制作: 自动为电影、电视节目或在线视频生成背景音乐。

广告: 创作与商业广告的氛围和信息完美契合的音乐。

游戏: 制作基于游戏视觉和动作变化的动态配乐。

虚拟现实: 通过与视觉环境相适应的音频增强沉浸式体验。

其它场景：例如可以在求婚等场景下自动匹配合适的音乐。