AIGC 浪潮下的广电行业
近年来,AIGC(Artificial Intelligence Generated Content, 人工智能生成内容)技术发展突飞猛进,已经实现了从实验 室 DEMO 到商用的跨越。从文生文、文生图,到文生视频、图生视频和视频生视频,这些炫酷的技术除了吸引眼球,还 创造了巨大的市场和商业想象空间。如何能抓住这一波技术浪潮,将新技术应用到现有的行业中让企业产生新的增长动能, 是企业家和经理人需要重点思考的战略问题。将 AIGC 技术落地到垂直行业并在行业中生根、发芽和结果并不是一件一蹴 而就的事,需要在数据、算力、模型和市场需求的理解等多个层面都有深厚的储备和积累才能打造出受市场和客户欢迎的 AIGC 应用。
综合来看,广电行业在 AIGC 应用落地和商业化闭环的一头一尾具备先天优势。首先,广电行业是以内容为核心的行业, 具备海量的有版权的音视频数据,而高质量的数据是落地 AIGC 战略的基础与核心,从这个角度看广电行业在数据资产层 面具备明显的竞争优势;此外,广电行业有海量的终端用户包括大量的 C 端客户群和 B 端行业客群,构建出 AIGC 应用后, 可以在存量客群中应用来提升客单价或开拓新的客户提升营收,因此,在市场和客户层面,广电行业已经积累了足够的势 能和优势。另一方面,在 GPU 算力和大模型方面,广电行业自身的优势还不明显。
在算力方面,广电行业除了已储备的算力资源不 是太充分外,还面临现有云平台技术架构不够先进的现状。由于 AIGC 类应用对算力消耗较大,尤其是高分辨率视频模型 的训练和推理算力消耗巨大,面向传统应用架构的云平台已经无法承载 AIGC 类的应用;在模型方面,当前业界已有比较 成熟的基础模型。大模型的一个特点是具备微调和迭代训练的能力,基于广电的海量数据构建广电行业大模型在技术层面 是可行的。整体上看,广电行业在算力和模型层面的短板并不是卡脖子的问题,算力和模型层面的能力可以通过引入业界 优秀合作伙伴来解决。
云平台 AI 中台能力
AI 中台是数字化、智能化改革的重要技术底座,为广电各业务场景提供全面的 AI 算子服务能力,提供集约化管理、高效 率生产、统筹化升级等多方面的价值,驱动智能化业务创新。 智能中台提供包括视频、语音、图像和 NLP 等多个方面几十项的 AI 算子能力,通过开放平台门户提供便捷、自助的 AI 服务接入与应用,在内容的智能化生产、内容的全生命周期智能管理、内容安全智能审核和多模态检索等核心业务环节提 供强有力的技术支撑。通过提供开放、统一和标准化的第三方集成能力,将核心功能接入已有的产品矩阵,具备和主流平 台对接的能力。为面向快速变化的市场需求和用户需求做出敏捷的业务反应,为媒体深度融合发展提供必要的技术支撑进 而促进智能化转型。
智能拆条
在广电行业中,智能拆条技术被广泛应用于新闻报道、体育赛事、电视剧和电影的制作和传播等领域。例如,在新闻报道 中,智能拆条技术可以将现场拍摄的视频流自动拆分成多个短视频片段,然后将其中的关键片段提取出来进行编辑和播放, 以便更快速、准确地传递新闻信息。在体育赛事中,智能拆条技术可以将比赛中的精彩瞬间自动拆分成短视频片段,然后 将其中的精彩片段提取出来进行编辑和播放,以吸引更多的观众。在电视剧中,自动对直播收录视频流进行实时分析,完 成视频流中广告的检测、关键帧和字幕提取、镜头检测等工作。此外,智能拆条技术还可以用于自动剪辑和编辑,将不同 的镜头和场景组合在一起,形成连贯的故事情节,是 AIGC 场景下关键的技术。
媒体内容分析
广电行业有海量的音视频文件,在 AIGC 场景下需要将这些视频文件打上对应的标签,便于后续的模型训练等工作。给视 频文件附上匹配的标签需要 AI 中台有对应的媒体内容分析产品来理解音视频的内容。媒体内容分析产品从场景、公众人物、实体、公共商品 LOGO、关键词、地标等多个维度进行内容理解,对音视频文件 进行自动识别和标注,进而推进 AIGC 的战略落地。
多模态媒资检索
对海量音视频数据进行了识别和标注后,还需要提供高效搜索和检索的能力,才能充分盘活这些音视频文件资源。这需要 AI 中台提供以图搜图、以图搜视频、以视频搜视频、以音频搜音频、人脸检索和语义检索等功能。通过跨模态搜索的方式, 可提升音视频的检索效率。
智能内容审核
广电行业作为国家重要的宣传渠道,承担着传播社会主义核心价值观、引导社会舆论、弘扬中华优秀文化的使命。因此, 内容的合规对广电行业十分重要。通过内容审核可以确保宣传的内容符合国家法律法规和政策要求,避免违规内容的播出, 维护社会稳定和公共利益。 面对海量的内容,AI 中台可以提供全面完善的内容审核产品来提高媒资内容审核的效率,降低人工审核漏审风险。
报告原文节选如下:
本文仅供参考,不代表我们的任何投资建议。【幻影视界】整理分享的资料仅推荐阅读,用户获取的资料仅供个人学习,如需使用请参阅报告原文。