近年，隨著算力、預(yù)訓(xùn)練模型和多模態(tài)技術(shù)的不斷匯聚發(fā)展，在自然語言和音視頻領(lǐng)域涌現(xiàn)出大量人工智能生產(chǎn)內(nèi)容(Artificial Intelligence Generated Content，AIGC)作品，在聊天機器人、AI作畫、虛擬主持人和新聞寫作等應(yīng)用場景中更是熱點頻出。

(相關(guān)資料圖)

2022年11月，美國人工智能實驗室Open AI推出基于GPT-3.5架構(gòu)的聊天機器人——ChatGPT(Chat Generative Pre-trained Transformer)，上線僅兩個月，用戶數(shù)量達到1億。

ChatGPT、GPT-4的爆火出圈，產(chǎn)學(xué)研各界對AIGC的討論、研究和應(yīng)用熱度也上升到了新高度,因此，2022年也被稱為AIGC技術(shù)元年。

AIGC技術(shù)憑借先進的神經(jīng)網(wǎng)絡(luò)模型和龐大的訓(xùn)練數(shù)據(jù)規(guī)模，使其能夠接受和處理更加復(fù)雜的語音、文本、圖像等多模態(tài)數(shù)據(jù)，通過融合知識發(fā)現(xiàn)、知識推理等手段，實現(xiàn)了知識技術(shù)從感知、理解到生成、創(chuàng)作的躍遷。

目前，國內(nèi)外對AIGC技術(shù)的定義并沒有統(tǒng)一標(biāo)準(zhǔn)，不同領(lǐng)域、不同研究機構(gòu)和學(xué)者對AIGC技術(shù)的定義和范圍也有所不同。一般來說，AIGC技術(shù)是通過AI技術(shù)(如機器學(xué)習(xí)、深度學(xué)習(xí)等)自動或半自動地生成內(nèi)容的生產(chǎn)方式，生成內(nèi)容包括但不限于文字、音頻、視頻、圖像等形式。國內(nèi)產(chǎn)學(xué)研各界對于AIGC的理解是繼專業(yè)生成內(nèi)容(Professional Generated Content ，PGC)和用戶生成內(nèi)容(User Generated Content，UGC)之后，利用人工智能技術(shù)自動或輔助生成內(nèi)容的新型生產(chǎn)方式。

本文對AIGC的研究和分析主要聚焦于AIGC用于內(nèi)容自動化生成的生產(chǎn)方式和技術(shù)集合，而非內(nèi)容生產(chǎn)者視角進行分類的一類內(nèi)容。未來，隨著AIGC技術(shù)與PGC和UGC的結(jié)合，其將大大提高PGC和UGC內(nèi)容的生產(chǎn)效率和質(zhì)量，在實現(xiàn)內(nèi)容創(chuàng)作的自動化和智能化方面發(fā)揮更大的作用。

然而，目前AIGC技術(shù)仍存在一定的局限性，其算法和技術(shù)仍處于不斷發(fā)展和完善的過程中，可靠性和普適性仍有待進一步提高和加強。AIGC技術(shù)的底層技術(shù)和產(chǎn)業(yè)生態(tài)已形成了新的格局，未來AIGC技術(shù)在更多行業(yè)的海量應(yīng)用場景有望打開。

01

AIGC技術(shù)發(fā)展沿革

AIGC技術(shù)的發(fā)展歷程大致可分為三個階段:專家規(guī)則驅(qū)動、統(tǒng)計機器學(xué)習(xí)驅(qū)動和深度強化學(xué)習(xí)驅(qū)動。三個階段并非完全獨立，而是交叉和融合。

專家規(guī)則驅(qū)動階段是AIGC技術(shù)的早期應(yīng)用階段，也是最簡單的階段。在這一階段，人們使用預(yù)定義的模式、模板和程序語言來實現(xiàn)對特定領(lǐng)域的知識和規(guī)則進行編碼和實現(xiàn)，從而生成特定類型的內(nèi)容。

這種方法的優(yōu)點是可控性高、定制化程度高，但是內(nèi)容生成被限制在規(guī)則內(nèi)，缺少靈活性，無法自動學(xué)習(xí)和創(chuàng)新且人工成本高，遠遠算不上智能創(chuàng)作內(nèi)容的程度。如果涉及特定領(lǐng)域內(nèi)容生成問題，還需要具有領(lǐng)域知識的專家參與。初期內(nèi)容生成技術(shù)呈現(xiàn)出模板化、公式化和小范圍的特征。

隨著機器學(xué)習(xí)和深度學(xué)習(xí)算法的出現(xiàn)和發(fā)展，基于專家規(guī)則的AIGC算法已經(jīng)逐漸被替代或作為其他模型的輔助手段。

統(tǒng)計機器學(xué)習(xí)驅(qū)動階段是AIGC技術(shù)的第二個發(fā)展階段，這一階段的核心是機器學(xué)習(xí)技術(shù)。利用大量的數(shù)據(jù)來訓(xùn)練機器學(xué)習(xí)模型，從而使其能夠生成更加優(yōu)質(zhì)和多樣化的內(nèi)容。這一階段的代表性應(yīng)用包括機器翻譯、語音合成、圖像生成等。相對于第一階段基于規(guī)則的生成階段，只需要為統(tǒng)計機器學(xué)習(xí)AIGC技術(shù)提供足夠的數(shù)據(jù)和特征，即可更迅速、更準(zhǔn)確、更靈活生成不同模態(tài)的數(shù)據(jù)內(nèi)容，而無需事先通過人工設(shè)計規(guī)則，自動化、智能化水平更高。

然而，基于統(tǒng)計機器學(xué)習(xí)的AIGC方法對數(shù)據(jù)特征依賴性強，使得算法在領(lǐng)域遷移或者處理新類型的數(shù)據(jù)時效果不佳。

與此同時，由于機器學(xué)習(xí)方法的AIGC方法需要大量數(shù)據(jù)作為特征工程的基礎(chǔ)，但某些領(lǐng)域數(shù)據(jù)可能很難獲取或者數(shù)據(jù)量無法達到機器學(xué)習(xí)AIGC方法訓(xùn)練數(shù)據(jù)規(guī)模要求，造成模型過擬合或者效果差，因此也限制了此類方法在特定領(lǐng)域的應(yīng)用。換句話說，基于專家規(guī)則和統(tǒng)計機器學(xué)習(xí)方法的AIGC技術(shù)都未能很好地解決算法或模型領(lǐng)域遷移成本問題。

深度強化學(xué)習(xí)驅(qū)動階段是AIGC技術(shù)的最新發(fā)展階段，也是目前最為熱門的AI技術(shù)領(lǐng)域。在這一階段，利用深度強化學(xué)習(xí)和自適應(yīng)多模態(tài)生成等模型，使AIGC技術(shù)能夠?qū)崿F(xiàn)更加復(fù)雜、高級和創(chuàng)新性的生成，并具有更強的個性化和交互性能，且可以在沒有或者少量人工干預(yù)的情況下進行自我學(xué)習(xí)與自我適應(yīng)，通過反復(fù)嘗試、調(diào)整和優(yōu)化，逐漸形成對各種場景的適應(yīng)能力，從而實現(xiàn)更加精準(zhǔn)的內(nèi)容生成。這一階段的代表性應(yīng)用包括聊天機器人、AI繪畫、AI圖像生成等。

相對于前兩個階段，深度強化學(xué)習(xí)驅(qū)動的生成方法具有可定制性更強、可擴展性好且可自我學(xué)習(xí)的優(yōu)勢，從而在一定程度上解決了算法或模型領(lǐng)域遷移問題，能夠更加靈活地調(diào)整模型以適應(yīng)更加廣闊的應(yīng)用領(lǐng)域。

然而，基于深度強化學(xué)習(xí)驅(qū)動的AIGC模型訓(xùn)練和運行具有非常高的門檻。首先，深度強化學(xué)習(xí)需要大量的數(shù)據(jù)和計算資源進行訓(xùn)練，且運行過程需要較高的計算能力和存儲空間，計算復(fù)雜度高，這勢必會增加訓(xùn)練和運行成本。除此之外，深度強化學(xué)習(xí)驅(qū)動的AIGC模型的生成效果很大程度上受限于訓(xùn)練數(shù)據(jù)的質(zhì)量和多樣性，訓(xùn)練數(shù)據(jù)不足或者質(zhì)量不佳都會影響模型表現(xiàn)。

作為AIGC技術(shù)的重要分支，ChatGPT 正逐漸成為現(xiàn)象級消費類AI應(yīng)用，而擁有多模態(tài)能力的GPT-4 的推出及其與Office套件的融合勢必能夠引爆應(yīng)用新熱點。

以近期爆火的聊天機器人ChatGPT為例，目前最大的版本ChatGPT-3的訓(xùn)練規(guī)模達到了1750億個參數(shù)，需要上萬個CPU/GPU24小時不間輸入數(shù)據(jù)，是目前已知最大的神經(jīng)語言模型之一。而較小的版本ChatGPT-2也擁有13億個參數(shù)。

ChatGPT使用來自互聯(lián)網(wǎng)的文本數(shù)據(jù)庫進行訓(xùn)練，包括從書籍、網(wǎng)絡(luò)文本、維基百科、文章和互聯(lián)網(wǎng)其他文本中獲得的高達570GB的數(shù)據(jù)。GPT-4作為GPT-3的繼任者，在多種任務(wù)中表現(xiàn)出更佳的性能，包括文本生成、摘要、翻譯、問答和對話等。

目前，GPT-4的具體參數(shù)規(guī)模尚未公布，然而仍可以合理地推測，GPT-4的參數(shù)規(guī)模將比GPT-3更大，以提供更強大的生成能力和更高質(zhì)量的生成內(nèi)容。

ChatGPT與GPT-4成為現(xiàn)象級應(yīng)用，離不開投喂的高質(zhì)量數(shù)據(jù)、廣泛的應(yīng)用場景、持續(xù)的資金投入與開發(fā)AI產(chǎn)品的邊際成本以及懸而未決的全棧集成能力。訓(xùn)練規(guī)模越大，模型可以處理的語言表達和語義越豐富，生成的文本也更加流暢自然，但是同時也需要更大的計算資源和更長的訓(xùn)練時間。

開發(fā)團隊OpenAI也承認(rèn)“ChatGPT有時會寫出看似合理但不正確或荒謬的答案”，從而出現(xiàn)人工智能幻覺[3]現(xiàn)象。最新推出的GPT-4同樣未能有效解決上述問題，受到道德、安全和隱私方面的挑戰(zhàn)。

最為關(guān)鍵的是，基于深度強化學(xué)習(xí)驅(qū)動的AIGC方法通常是黑盒模型，模型的學(xué)習(xí)過程往往是不可解釋的，研究人員難以理解模型為何會做出某些決策，這也會給模型的可靠性和安全性帶來潛在風(fēng)險，可能會導(dǎo)致在其法律和金融等領(lǐng)域或一些敏感場景下的應(yīng)用受到限制。AIGC的算法和技術(shù)目前仍在不斷發(fā)展和完善之中，未來隨著技術(shù)的不斷進步和算法的優(yōu)化，AIGC技術(shù)將更加成熟和普及。

02

AIGC技術(shù)在智慧廣電

和網(wǎng)絡(luò)新視聽的應(yīng)用場景

人工智能技術(shù)在廣播電視和網(wǎng)絡(luò)視聽領(lǐng)域中的應(yīng)用正在快速發(fā)展，目前主要應(yīng)用包括視頻剪輯和編排、音頻生成和語音合成、內(nèi)容智能推薦等方面。

未來，AIGC技術(shù)將會在廣播電視和網(wǎng)絡(luò)視聽領(lǐng)域中扮演更加重要的角色，成為節(jié)目制作、內(nèi)容創(chuàng)作、播出和營銷等各個環(huán)節(jié)中不可或缺的工具，輔助提高工作效率和節(jié)目制作質(zhì)量，實現(xiàn)多樣化、智能化和精準(zhǔn)化的內(nèi)容創(chuàng)作、推薦和推廣，推動行業(yè)向智慧化、個性化、創(chuàng)新化方向發(fā)展。

AIGC+音視頻生成:提高內(nèi)容生產(chǎn)者創(chuàng)作效率

傳統(tǒng)的音視頻生產(chǎn)手段通常在初期腳本創(chuàng)作、錄制和后期編輯等環(huán)節(jié)需要大量的專業(yè)人員參與，費時費力，且難以實現(xiàn)自動化，逐漸無法滿足消費者對于數(shù)字內(nèi)容消費需求的迭代更新速度，供給側(cè)產(chǎn)能瓶頸亟待突破。

隨著生成對抗網(wǎng)絡(luò)(GenerativeAdversarialNetworks，GAN)、變分自編碼器(VariationalAuto-Encoder，VAE)等深度學(xué)習(xí)算法快速升級，使得AI驅(qū)動的音頻和視頻生成技術(shù)在廣播電視和網(wǎng)絡(luò)視聽領(lǐng)域得到越來越廣泛的應(yīng)用，市場潛力逐漸顯現(xiàn)。

音頻生成通常利用深度神經(jīng)網(wǎng)絡(luò)模型對大量音頻數(shù)據(jù)進行訓(xùn)練學(xué)習(xí)，在無需或較少人工干預(yù)或錄制的情況下，自動生成高質(zhì)量、逼真的音頻，同時通過添加噪聲、修改音頻頻率、改變音調(diào)等方法，還可以增強音頻的多樣性和豐富性，生成包括語音、音樂和自然聲音等在內(nèi)的多種音頻類型。

此外，音頻生成技術(shù)還可以根據(jù)特定場景或需求對生成的音頻進行優(yōu)化和定制，以滿足不同用戶的需求。AIGC+視頻生成技術(shù)基于多個卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network，CNN)、循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network，RNN)、GAN、VAE的組合，學(xué)習(xí)大量視頻中的空間、序列、時間、場景、物體和動作等信息，自動生成具備真實感視頻的細節(jié)和紋理和更加多樣化的視頻內(nèi)容。

同時，根據(jù)給定的輸入條件，如不同場景、不同人物、不同動作等，并通過視頻去噪、色彩校正、邊緣增強等后期處理，可以在保持視頻逼真度的同時，實現(xiàn)對生成視頻的精細化控制以及細節(jié)的修復(fù)與優(yōu)化。

音視頻生成技術(shù)在明星語音合成、智能音樂創(chuàng)作、自動化視頻集錦、視頻拆條、視頻超分、游戲開發(fā)和虛擬現(xiàn)實等細分場景中擁有廣泛的應(yīng)用前景，且高效節(jié)省了人力時間成本。

2018年，英偉達(NVIDIA)發(fā)布StyleGAN模型可以自動生成圖片，目前最新的第四代模型StyleGAN-XL生成的高分辨率圖片人眼也難辨真假。

2019年，DeepMind提出DVD-GAN (Dual Video Discriminator GAN)模型，利用計算高效的判別器分解，擴展生成時間更長、分辨率更高的視頻，在草地、廣場等明確場景下表現(xiàn)不凡。

2020年全國兩會期間，人民日報社利用“智能云剪輯師”實現(xiàn)自動匹配字幕、人物實時追蹤、畫面抖動修復(fù)、橫屏速轉(zhuǎn)豎屏等技術(shù)操作，快速生成視頻以適應(yīng)多平臺分發(fā)要求。

2022年冬奧會期間，科大訊飛的智能錄音筆通過跨語種語音轉(zhuǎn)寫2分鐘快速出稿，央視視頻利用AI智能內(nèi)容生產(chǎn)剪輯系統(tǒng)制作與發(fā)布冬奧會冰雪項目的視頻集錦，極大地提高了制作效率，縮短發(fā)布周期。

利用AIGC技術(shù)生成音視頻可大幅減少時間和成本，提高生產(chǎn)效率，同時保證作品一致性和穩(wěn)定性。其次，它能生成高質(zhì)量、逼真的音視頻內(nèi)容，允許創(chuàng)作者更好地表達創(chuàng)意和想法。然而，AIGC技術(shù)在音視頻生成方面也存在一些局限性。

首先，AIGC技術(shù)目前還無法完全替代人類的音視頻創(chuàng)作，因為人類的創(chuàng)作具有更加復(fù)雜的情感和思維，能夠表達更多元化的創(chuàng)意和想法。

其次，AIGC技術(shù)還存在一些技術(shù)問題，例如在生成音視頻時可能存在一些不真實的細節(jié)和瑕疵，需要不斷改進和優(yōu)化。AIGC技術(shù)也需要大量的數(shù)據(jù)和計算資源，才能夠達到更高的生成效果和質(zhì)量，這也對技術(shù)的使用和推廣提出了一定的挑戰(zhàn)。

AIGC+虛擬主播:推動虛實融合多樣化進程

近兩年來，虛擬主播成為廣電領(lǐng)域內(nèi)熱門話題。許多虛擬主播逐漸嶄露頭角，其中包括中央廣播電視總臺的“小小撒”和“AI王冠”，以及北京廣播電視臺的“時間小妮”、湖南廣播電視臺的“小漾”、東方衛(wèi)視的“申雅”、“東方嬡”、浙江衛(wèi)視的“谷小雨”等等。

這些虛擬主播已經(jīng)成為廣電領(lǐng)域中的高新技術(shù)標(biāo)配產(chǎn)品，越來越多的虛擬主播也正在走上前臺。在眾多虛擬數(shù)字人好看的皮囊下，離不開AIGC技術(shù)賦能。虛擬主播是指由計算機程序生成的具有人類形象和行為的虛擬人物，目前已成為廣播電視和網(wǎng)絡(luò)視頻領(lǐng)域中越來越流行的一種形式。

AIGC技術(shù)通過深度學(xué)習(xí)算法對大量人類主播的視頻和音頻數(shù)據(jù)進行分析和學(xué)習(xí)，從而生成具有逼真、自然的語音和動作的虛擬主播，展現(xiàn)與真人主播無異的信息傳達效果。虛擬主播不受時間、空間的限制，可以隨時隨地出現(xiàn)在直播、電視節(jié)目等各種媒體中，成為一個可以為人們提供有趣、實用、便捷服務(wù)的新型媒體形態(tài)。

此外，虛擬主播也可以通過各種動畫特效、配音等手段進行二次創(chuàng)作，創(chuàng)作出各種風(fēng)格獨特的視頻內(nèi)容，為廣播電視和網(wǎng)絡(luò)視頻領(lǐng)域注入更多的創(chuàng)意和活力。

虛擬主播的出現(xiàn)和發(fā)展，極大地豐富了數(shù)字內(nèi)容的形態(tài)和表現(xiàn)方式，對于拓展數(shù)字媒體的應(yīng)用場景具有重要意義。2022年兩會期間，百度利用AIGC技術(shù)生成虛擬數(shù)字人主播“度曉曉”，通過多模態(tài)交互技術(shù)、3D數(shù)字人建模、機器翻譯、語音識別、自然語言理解等技術(shù)，能夠快速、準(zhǔn)確地播報新聞內(nèi)容，且具有自主學(xué)習(xí)能力。

“度曉曉”

與此同時，新華社、中央廣播電視總臺、人民日報社以及湖南衛(wèi)視等國家級和省市級媒體都在積極布局AI虛擬主播技術(shù)，并將其應(yīng)用場景從新聞播報擴展至晚會主持、記者報道、天氣預(yù)報等更廣泛場景，為全國兩會、冬奧會、冬殘奧會等重大活動深度賦能。

北京廣播電視臺發(fā)布了中國首個廣播級智能交互數(shù)字人“時間小妮”，它利用先進的人工智能視頻合成技術(shù)，包括人工智能、深度學(xué)習(xí)和卷積神經(jīng)網(wǎng)絡(luò)技術(shù)，經(jīng)過情緒仿真引擎處理，創(chuàng)造出高度逼真的“數(shù)字人”，其外貌、語音、口型、肢體動作與真人相似度達到97%。該數(shù)字人可用于營銷宣傳、新聞報道、教育教學(xué)、智能問答等多個領(lǐng)域，并且擁有廣播級別的智能交互功能。

“時間小妮”

虛擬主播通過AIGC技術(shù)可以實現(xiàn)24小時不間斷播報、無需人工休息，解決了傳統(tǒng)主播工作中存在的疲勞和失誤問題。同時，虛擬主播可以在短時間內(nèi)適應(yīng)各種語調(diào)和風(fēng)格，滿足不同類型節(jié)目的需求，提高了廣播電視和網(wǎng)絡(luò)視頻制作的效率。

然而，虛擬主播也存在一些局限性。首先，由于缺乏人性化的情感表達和傳遞，虛擬主播還難以完全取代傳統(tǒng)主播的角色。此外，虛擬主播的知識和信息來源受到限制，需要對其進行不斷的數(shù)據(jù)訓(xùn)練和更新，才能滿足用戶不斷增長的需求。

AIGC+內(nèi)容審核:助力審核高效化發(fā)展

隨著數(shù)據(jù)驅(qū)動的經(jīng)濟社會的快速發(fā)展，音視頻和文字內(nèi)容的傳播量呈現(xiàn)爆發(fā)式增長。然而，這其中也存在不良、低俗、暴力等違法違規(guī)內(nèi)容的情況，對社會的穩(wěn)定和公序良俗帶來負面影響，因此需要更加全面、高效和細致的審核方式。

AIGC技術(shù)在廣播電視內(nèi)容審核方面發(fā)揮著重要作用。相較于傳統(tǒng)的內(nèi)容審核方式需要耗費大量人力物力，AIGC技術(shù)能夠通過自動識別和分類技術(shù)快速準(zhǔn)確地對大量內(nèi)容進行篩查和審核。

例如，通過語音識別和語義理解技術(shù)，AIGC技術(shù)可以檢測和識別內(nèi)容中的敏感詞匯和暴力內(nèi)容，從而對違規(guī)內(nèi)容進行標(biāo)記和刪除。

此外，AIGC技術(shù)還能夠通過圖像和視頻分析技術(shù)監(jiān)測、識別和過濾不良內(nèi)容，如色情和暴力畫面，從而幫助廣播電視機構(gòu)更好地維護社會公共秩序和道德風(fēng)尚。

騰訊與虎牙成立安全聯(lián)合實驗室，共同建設(shè)AI智能審核平臺。虎牙結(jié)合自研“AI智能識別、人工審核和網(wǎng)絡(luò)志愿者”三位一體模式，騰訊則全面開放“AI+大數(shù)據(jù)”內(nèi)容風(fēng)控安全技術(shù)，共同優(yōu)化內(nèi)容識別能力，以營造更為安全的內(nèi)容生產(chǎn)環(huán)境，應(yīng)對直播平臺內(nèi)容風(fēng)險和威脅。

百度提出“AI內(nèi)容風(fēng)控”概念，通過應(yīng)用圖像識別、富媒體識別、NLP、分類/聚類、關(guān)聯(lián)挖掘、機器學(xué)習(xí)等技術(shù)，對違法違規(guī)、垃圾信息、內(nèi)容質(zhì)量差等情況進行風(fēng)控，可跨場景判斷，實現(xiàn)對多種內(nèi)容的風(fēng)控，其中99%的信息在上線前被自動攔截，減少了人工勞動。

AIGC技術(shù)能夠通過自然語言處理和圖像識別技術(shù)快速對大量的數(shù)據(jù)進行處理，識別和標(biāo)記涉黃、暴力、政治敏感等不良信息，幫助審核機構(gòu)和平臺快速發(fā)現(xiàn)并刪除違規(guī)內(nèi)容，提高內(nèi)容審核的效率和精度。

然而，AIGC技術(shù)仍然無法完全替代人類審查，可能會漏檢或誤判某些內(nèi)容。此外，AIGC技術(shù)本身也存在一定的局限性，例如難以識別復(fù)雜的隱喻、諷刺等語言形式，難以理解某些具有特殊含義的圖片、視頻等內(nèi)容。

因此，在實際應(yīng)用中，需要結(jié)合人工審核來提高審核的準(zhǔn)確性和可信度。

AIGC+智能推薦:完善用戶個性化體驗

隨著用戶需求的日益?zhèn)€性化和多樣化，在內(nèi)容智能推薦領(lǐng)域，AIGC技術(shù)同樣蘊藏了諸多可能性，助力增強廣播電視和網(wǎng)絡(luò)視頻領(lǐng)域生產(chǎn)力。AIGC技術(shù)通過對用戶的觀看行為、視頻偏好等數(shù)據(jù)進行分析，建立完整的用戶畫像，智能推薦符合用戶興趣的音視頻內(nèi)容，還可以通過生成個性化的音視頻內(nèi)容來滿足為用戶生成個性化的新聞播報、廣告宣傳等內(nèi)容特定的需求。

目前，央視視頻、芒果TV、騰訊視頻、愛奇藝、優(yōu)酷、今日頭條等平臺均結(jié)合AIGC技術(shù)分析用戶行為和興趣偏好，分析用戶觀看歷史、搜索記錄、點贊、評論等細粒度數(shù)據(jù)，為用戶提供針對性更強、內(nèi)容更加精準(zhǔn)的視頻推薦，為用戶提供更佳的觀看體驗。

AIGC技術(shù)在智能推薦的應(yīng)用為廣播電視和網(wǎng)絡(luò)視頻行業(yè)的發(fā)展帶來了巨大的推動力，不僅促進了視頻內(nèi)容的多樣化、個性化，提高了用戶的滿意度，還增強了廣播電視和網(wǎng)絡(luò)視頻領(lǐng)域的用戶黏性和競爭力。

然而，AIGC技術(shù)在個性化推薦應(yīng)用中仍存在一些局限性，如對用戶數(shù)據(jù)的依賴性、算法不透明等問題需要進一步解決。

03

總結(jié)與展望

隨著數(shù)據(jù)規(guī)模快速膨脹、算力性能不斷提升以及人工智能算法不斷發(fā)展，AIGC能夠替代內(nèi)容創(chuàng)作者完成更多內(nèi)容挖掘、素材查詢調(diào)用等基礎(chǔ)性勞動，創(chuàng)新內(nèi)容生產(chǎn)范式，為更具藝術(shù)性和創(chuàng)造性的內(nèi)容創(chuàng)作提供可能。AIGC技術(shù)也將會進一步提高生成內(nèi)容的質(zhì)量和準(zhǔn)確度，使得其在視頻制作、音頻制作、文本創(chuàng)作等方面的應(yīng)用更加廣泛，進一步豐富用戶體驗和提升市場競爭力。

值得注意的是，以ChatGPT和GPT-4為代表的AIGC技術(shù)或?qū)⒔o各行各業(yè)帶來一些變化，也勢必會給廣播電視和網(wǎng)絡(luò)視聽行業(yè)帶來一定機遇和挑戰(zhàn)。

ChatGPT和GPT-4能夠被廣泛應(yīng)用于多模態(tài)任務(wù)，輔助提高內(nèi)容創(chuàng)作、編輯和審核效率，推動創(chuàng)造新的互動范式，為智慧廣電與網(wǎng)絡(luò)新視聽帶來創(chuàng)新可能性，同時推動行業(yè)向更智能化、個性化和高質(zhì)量的發(fā)展方向邁進，以提升用戶與設(shè)備之間的交互體驗，包括語音交互、內(nèi)容推薦、視頻自動化處理、內(nèi)容審核和廣告精準(zhǔn)投放等場景。

可以預(yù)見的是，隨著人工智能加速迭代，未來AIGC功能勢必越來越強大，應(yīng)用領(lǐng)域越來越廣闊，人工智能或?qū)〈徊糠謩?chuàng)造性以及創(chuàng)新度不高的工作，這也會倒逼廣播電視和網(wǎng)絡(luò)視聽行業(yè)從業(yè)人員不斷提高創(chuàng)造力和創(chuàng)新能力以構(gòu)建自我的不可替代性。

然而，AIGC技術(shù)的應(yīng)用落地仍然面臨技術(shù)安全性、版權(quán)保護、隱私保護和算法不透明等的挑戰(zhàn)。解決這些挑戰(zhàn)需要通過不斷的技術(shù)創(chuàng)新和改進優(yōu)化來提高AIGC技術(shù)的精準(zhǔn)度和實用性。

與此同時，為了更好地應(yīng)對新興AIGC技術(shù)的帶來機遇與挑戰(zhàn)，廣播電視和網(wǎng)絡(luò)視頻領(lǐng)域更要繼續(xù)加強多維互動合作、共同研究，推動制定相關(guān)的規(guī)范、標(biāo)準(zhǔn)和政策，以保證AIGC技術(shù)的合理使用與可持續(xù)發(fā)展，打造行業(yè)發(fā)展新增長點，推動孕育新業(yè)態(tài)。

【聚焦】流媒體網(wǎng)重磅推出《2021-2022全球OTT核心市場發(fā)展研究報告》，點擊圖片了解報告更多內(nèi)容。

責(zé)任編輯：房家輝

關(guān)鍵詞：