央視發(fā)表央視聽媒體大模型 專攻視聽媒體內(nèi)容生產(chǎn)

7月23日消息，近日，在第二屆全球媒體創(chuàng)新論壇上，上海人工智能實驗室、央廣電視總臺聯(lián)合發(fā)布“央視聽媒體大模型”。

據(jù)新民晚報報道，本次發(fā)布的央視聽大模型為首個專注于視聽媒體內(nèi)容生產(chǎn)的AI大模型，集合了央廣電視總臺的海量視聽數(shù)據(jù)與上海AI實驗室的原創(chuàng)先進算法、大模型訓練基礎設施優(yōu)勢?；凇皶ㄓ么竽Ｐ腕w系”，央視聽大模型將拓展視聽媒體的創(chuàng)意空間、提高創(chuàng)作效率并帶來交互方式的變革。

據(jù)悉，以大模型的多模態(tài)理解、交互和生成能力為基礎，媒體工作者將來有望在“聊天”中完成工作。目前，央視聽大模型具備了強大的視頻理解能力和視聽媒體問答能力，AI相當于擁有了感知真實世界的“眼睛”和“耳朵”。

同時，央視聽大模型可根據(jù)提供的視頻，創(chuàng)作諸如主持詞、新聞稿件，甚至詩歌等文字。媒體編輯可在大模型的協(xié)助下，一鍵為視頻生成風格各異的解說詞，當前生成內(nèi)容已覆蓋美食、文化和科技等多個領域。

央視聽大模型可通過逐步呈現(xiàn)的視覺元素，理解并分析視頻。用戶通過與AI聊天對話的形式，深挖視頻蘊含信息，進一步完善輸出的內(nèi)容——當它“看”到央視節(jié)目《中國詩詞大會》中“看圖猜詩詞”環(huán)節(jié)視頻，便可理解視頻內(nèi)容并生成出李白的《望廬山瀑布》。

央視聽大模型還為用戶提供了強大的交互式圖像、視頻編輯與創(chuàng)作能力，使得新的內(nèi)容生產(chǎn)方式變成可能。在央視聽大模型的界面中，用戶僅需使用簡單的光標和文字指令，即可快速修改或編輯圖像，實現(xiàn)“指哪改哪，畫隨口出”。

上海人工智能實驗室科研團隊介紹，央視聽大模型具備的視覺理解能力，源于跨模態(tài)互動技術的最新突破，將圖像/視頻視為另一種“語言”，并將視覺與語言對齊，降低人工智能視覺任務的門檻?；趯Χ嗄B(tài)數(shù)據(jù)的建模，央視聽大模型可感知圖像的風格與紋理筆觸，通過將用戶輸入的文本指令與圖像對齊，實現(xiàn)按照用戶需求生成畫面及風格一致的其他內(nèi)容。

除了視頻內(nèi)容，央視聽大模型還具備快速生成“數(shù)字人主播”的能力。使用較短的真人采集視頻即可生成對應的數(shù)字人。AI生成的數(shù)字人主播以“真人”形象呈現(xiàn)，不僅能根據(jù)既定文案和背景場景快速生成播報視頻，還可自動學習真人的語言及動作習慣，做到形象更逼真，表情更自然。

生成海報

免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權或存在不實內(nèi)容時，應及時向本網(wǎng)站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內(nèi)容或斷開相關鏈接。