关于AIGC应用于广电领域的思考

摘要：【目的】本文探讨了AIGC（人工智能生成内容）技术在广电领域的应用及对广电行业的影响和意义。【方法】通过分析AIGC技术的优势和应用场景，认为AIGC技术可帮助广电行业提高智能化水平和服务质量，提升影响力和竞争力。具体而言，AIGC技术可实现智能内容推荐、智能语音交互、智能图像识别、智能数据分析、智能广告投放以及智能社交互动等功能，从而更好地满足观众的需求和提高用户体验。【结果】此外，AIGC技术还可以帮助广电行业降低运营成本，提高节目制作的质量和效率，增强市场竞争力。【结论】本文还讨论了AIGC技术在广电领域的应用前景和发展趋势，并提出了相关建议和展望。

关键词：AIGC技术；广电领域；智能化；影响力；生产效率；认知域      中图分类号：G220.7     文献标识码：A

文章编号：1671-0134（2024）01-083-05         DOI：10.19483/j.cnki.11-4653/n.2024.01.016

本文著录格式：马小林. 关于AIGC应用于广电领域的思考[J].中国传媒科技，2024，31（1）：83-87.

导语

广播电视行业实施“一次采集、多种生成、多元传播”，从而提高媒体业务流程的标准化。[1]时代不断进步和发展，媒体时代的信息传播速率，已经对广播电视行业造成巨大影响。

随着时间的推移，广电专业大学生毕业不再第一选择电视台就业，而投入了新媒体行业，导致广播电视行业老龄化严重，缺乏新鲜血液，新闻资讯没有吸引力，内容单一，效果不突出等一系列问题。

如今智媒时代的到来，完全可以改变广电领域面临的问题和困境，通过AIGC技术加强对宣传、应用、生产、舆论、受众等多方面的提升，并且可以再次推动广电领域在媒体行业的地位。

1.技术概述

随着 ChatGPT 崭露头角，人们再次聚焦人工智能（AI）。AIGC（Artificial Intelligence Generated Content）即由人工智能生成的内容。AIGC是人工智能领域发展的新里程碑，它能够加速内容生产，提高创作效率，降低创作成本，为人类提供更加便捷、高效、准确的内容生成服务。AIGC涉及多领域，包括自然语言处理、计算机视觉、机器学习等，其中GAN（生成对抗网络）、CLIP（对比语言和图像预训练）、Transformer、Diffusion、预训练模型、多模态技术、生成算法等技术是AIGC的重要基础。

人工智能技术不断发展和优化，AIGC在图像、音乐、视频等领域得到了广泛应用。 同时，AIGC也开始和其他技术和领域深度融合，如自然语言处理、计算机视觉、机器学习等。使 AIGC 技术更加全面和智能化。

2.如何打造广电领域专属大模型

AIGC大模型是基于深度学习技术的自然语音处理模型，使用大规模的语料库进行训练，自动学习语言的语法、语义和上下文信息，达到高效、智能、准确的特点。

AIGC提高了工作效率，对广电新媒体业务有显著提升，但完全实际应用缺少的是如何让大模型学习训练对广电专业知识的认知。

例如：官网渠道通过媒介发布的图文资讯内容专业、条理清晰、突出重点、客观中立、准确无误、修辞优美、尊重读者，并具备了新闻六要素和五部分，即标题、导语、主体、背景、结语和时间、地点、人物、事件起因、经过、结果。那么非官方渠道媒介发布的图文资讯存在内容空洞、语言不精练、条理不清晰、重点不突出等问题，并且为了博人眼球提供虚假标题、擦边图片、恶意叙述事实等现象，虽然达到了阅读量、点击率、评论量、转发量，但对实际事件已造成了非常大的影响。

所以打造属于广电领域自己的大模型是必经之路，打造大模型首要考虑的是大模型的认知域、专业性问题，需要大量的知识库来对其进行训练学习。

2.1  语料库问题

为了训练出高质量的广电大模型，需要收集大量广电领域的语料库，包括文字、语音、图像等多种形式的数据。同时，需要保证语料库的质量和多样性。

（1）加大投入：加大語料库建设的投入，提高语料库的质量和数量。鼓励高校、研究机构和企业等单位进行密切合作建立衔接通道，开放学习环境，共同开发高质量的中文语料库。

（2）提高数据收集和标注效率：通过技术手段提高数据收集和标注的效率。同时可采用众包、竞赛等形式，吸引更多的人参与数据收集和标注工作，提高数据的质量和多样性。

（3）构建多领域、多层次的中文语料库：为了满足不同领域、不同层次的需求，可以构建多领域、多层次的中文语料库。

（4）扩充语料库规模：通过数据增强等技术，扩充语料库规模。

（5）重视数据清洗和预处理：为了保证语料库的质量和准确性，需重视数据清洗和预处理工作。

（6）建立多语言语料库：随着全球化的加速和互联网的普及，多语言语料库的需求越来越大。

2.2   认知域问题

认知域是打造广电大模型的关键，也是AIGC提升生产力的重要部分，那么如何训练大模型认知域。

（1）增加数据多样性：为了使大模型能够更好地理解广电和处理不同任务，需为其提供更加多样化和丰富的广电数据。包括各种广电类型的稿件、图像、音频、视频等数据。

（2）跨领域训练：广电大模型除广电认知外，还需将大模型在多个领域的数据上训练，使其更好地理解和处理不同领域的问题。通过多任务学习、迁移学习等技术实现。

（3）增强模型泛化能力：通过改进模型结构和训练方法，提高大模型的泛化能力，更好地适应新的任务和场景。

（4）引入人类知识：将专业知识和经验引入大模型训练，使其更好地理解和处理人类语言和思维。

（5）考虑认知推理：认知推理是指人类在解决问题时采用的高级思维方式，在大模型训练中，引入这些思维方式，使其能够更好地模拟人类的思维过程。

（6）持续优化和更新：大模型需不断优化更新，以适应不断变化的任务和需求。可以通过收集用户反馈、定期更新模型参数实现。

2.3   專业性问题

对于广电大模型不仅是语料库、认知域能够塑造出一个广电大模型，还需对专业性进行训练，才能更好地为AIGC生产力提供有效的价值。[1]

（1）广电领域训练：针对广电专业领域，可以收集和整理专业数据和文档，在训练中引入这些专业数据和文档，使其能更好地理解和处理专业领域的问题。

（2）专业知识库：建立专业知识库，将人类对广电的专业知识和经验整理成知识库，在训练中引入这些专业知识，使其能更好地理解和处理专业领域的问题。

（3）人类专家指导：在训练中，可邀请相关领域专家参与指导，提供更加专业的训练数据，提高专业性和准确性。

（4）深度学习技术优化：通过改进深度学习算法和模型结构，提高性能和泛化能力，使其能更好地处理专业领域的问题。

（5）持续优化和更新：通过收集用户反馈、定期更新模型参数等方式实现不断优化更新。

总之，提高大模型的专业性需结合实际应用场景和需求进行综合考虑，不断探索和实践。同时，也需要考虑大模型的通用性和可扩展性，更好地满足不同领域需求。

3.如何借助AIGC提升广电领域影响力

广电内容生产是广电领域的核心业务，也是广电影响力的重要来源。传统的广电内容生产依赖于人工的创意、采集、制作、编辑等环节，耗时耗力，且受制于人力、设备、成本等因素，难以满足多元化、个性化、实时化的内容需求。AIGC通过参与产品生产全流程，能够改善生产效率，降低生产成本，丰富生产形式，提高生产质量，创造更多的价值。

通过打造广电专属大模型，建立拥有广电大模型基座的AIGC生产平台，通过AIGC技术帮助广电领域提高智能化水平和服务质量。通过智能内容推荐、智能语音交互、智能图像识别、智能数据分析、智能广告投放以及智能社交互动等多种方式，更好满足观众需求和提高用户体验。

3.1   生产效率

AIGC以其高效的内容生成能力，帮助我们快速创作出丰富多样的文本、图像、音频和视频内容。只需提供主题、关键词、格式和风格等要求，AIGC便能自动演绎出各种类型的作品，大大缩短了创作周期，极大提升了生产效率。

自动生成比人工创作更便宜，AIGC技术可降低成本，提高广电在新媒体的竞争力。

在创意设计领域，创作者需花费大量时间和精力实现创意。而AIGC技术可通过对数据的学习和分析，快速生成创意性内容，激发创造力。[3]

在重复性工作中，如广告语生成、标题、描述等，AIGC技术可以快速生成高质量内容。AIGC技术可以自动生成符合语法规则、拼写正确的文本，提高工作效率和准确性。

总之，AIGC技术在提高生产效率方面具有显著优势。随着技术的不断发展和应用，AIGC会在更多领域得到广泛应用。

3.2   舆论引导

AIGC可以生成与主题相关的内容，通过自然语言处理和机器学习技术，AIGC自动分析用户需求和行业趋势，生成高质量内容，从而影响人们对某个主题的看法和态度。

通过算法对用户进行个性化推荐，根据用户的兴趣和行为，生成符合用户需求的内容，引导用户的关注点和行为。[4]

通过分析大量的数据和信息，挖掘隐藏在数据中的规律和趋势，预测未来的发展和变化，提供有价值的参考和建议。

通过智能分析和过滤技术，对大量信息筛选和过滤，快速获取有用的信息和资源，提高决策效率和准确性。

AIGC生产的内容可以具备舆论引导力。利用AIGC技术引导公众的关注点和行为，维护国家安全和社会稳定。但AIGC技术也存在一定风险和挑战，如信息过载、隐私泄露等问题，需加强监管。

3.3   数据导向

智媒时代势必会造成传统媒体的没落，因此权威媒体如何在智媒时代生产和发展，就需要大量的互联网相关数据信息，通过数据导向提升广电领域的影响力。

（1）数据驱动决策：AIGC可自动分析数据和信息，发现规律和趋势，为内容生产提供数据支持。在媒体领域，AIGC可通过对新闻报道、社交媒体等数据的分析，发现热点话题和趋势，为媒体内容生产提供数据支持。

（2）数据可视化：AIGC可将复杂数据和信息可视化呈现，通过图表、图像等方式呈现数据和信息的规律和趋势，使得内容生产更具数据导向。在媒体领域，AIGC可以通过生成数据图表、信息图等可视化内容，使得新闻报道更加直观和生动。

AIGC生产的内容具备数据导向能力，可更好地满足用户的需求和市场趋势，提高内容生产的质量和效率。同时，数据驱动决策和数据可视化等技术可帮助人们更好理解和分析数据和信息，为内容生产提供全面和准确的数据支持。但数据质量和准确性是影响AIGC生产内容数据导向的关键因素，需在使用中加强监管。

3.4   媒体融合

广电媒体融合是广电领域的新发展方向，也是提升影响力的关键途径。传统广电媒体融合主要依赖技术驱动，实现跨平台、跨终端、跨媒介的传播，但仍然存在内容、形式、模式等方面的局限。AIGC以内容为核心，推动广电媒体的跨领域、跨界别、跨文化创新，打破广电媒体的边界和壁垒，提升其影响力和竞争力。

具体而言，AIGC可以从以下几个方面推动广电媒体融合。

内容融合：AIGC可以利用基于知识图谱的内容理解和生成技术，实现广电媒体的内容融合，为广电媒体提供更丰富、深入、有趣的内容，增强其内容的吸引力和影响力。例如，AI大模型可以构建和利用知识图谱，实现对文本、图像、音频、视频等多模态内容的理解和生成，为广电媒体提供更智能、全面、多元的内容服务。

形式融合：AIGC可以利用基于生成式对抗网络（GAN）的風格迁移和生成技术，实现广电媒体的形式融合，为广电媒体提供更美观、新颖、有趣的形式，提升其形式的创新力和竞争力。例如，AI大模型可以学习和迁移不同的艺术风格，实现图像和视频的风格转换和生成，为广电媒体提供更个性化、多样化、高质量的形式服务。

模式融合：AIGC可以利用基于深度学习的内容推荐和生成技术，实现广电媒体的模式融合，为广电媒体提供更灵活、智能、高效的模式，提高其模式的适应力和效率。例如，AI大模型可以根据用户的选择和反馈，实现视频剧情的动态推荐和生成，为广电媒体提供更互动、个性、有趣的服务。

综上所述，AIGC在广电媒体融合方面具有巨大的推动作用，通过内容融合、形式融合和模式融合等技术手段，助力广电媒体打破壁垒，实现跨界融合与创新。

4. AIGC解决了什么问题

AIGC赋能生产，解决人力、技术的不足，赋能媒体行业的转型发展。

4.1   内容创新

AIGC是一种利用强大算力，对创意素材进行高效应用和再组合的技术。它通过先进的算法和模型，对海量数据进行处理和分析，以产生具有高度创造力和个性化的内容。这种技术的核心优势在于其强大的计算能力和对创意素材的智能化处理。

AIGC的另一个重要特质是它可以借助海量数据、数字孪生和虚拟现实等先进技术，进一步提升其创意水平和优势。这些技术的融合使得AIGC能够更好地模拟人类思维和创造过程，从而生成更加丰富、多样和具有创造性的内容。

AIGC在生产速度、专业水准和多样性方面达到了卓越的境界。它可以在短时间内生成大量高质量的内容，而且可以根据不同的需求和场景，灵活地调整其生成的内容和形式。这种技术不仅可以提高生产效率，而且可以带来更好的创意效果和用户体验。

AIGC契合新媒体生产的需求，因为它能够高速、全天候、自主和多样地生成内容。在新媒体时代，内容生产的速度和专业水准对于媒体的竞争至关重要。AIGC可以通过智能化的算法和模型，快速地生成各种形式的内容，以满足不同平台和用户的需求。

除了内容生成之外，AIGC还可以在新媒体的策划、制作和传播等各个环节，提供全方位的支持。它可以对用户数据进行深入分析，为策划人员提供更加精准的策略建议；它还可以在制作过程中提供各种形式的辅助工具和自动化流程，以提高制作效率和质量；它还可以在传播过程中通过智能化的算法和模型，优化传播效果和用户反馈。

AIGC是一种具有高度创新性和实用性的技术，它不仅可以提高内容生产的效率和品质，而且可以为新媒体的发展拓展更广阔的空间。随着技术的不断进步和应用领域的不断拓展，相信AIGC将在未来的媒体发展中发挥更加重要的作用。

4.2   生产赋能

在生产过程的各个阶段，人工智能（AI）都发挥着至关重要的作用。一旦素材被输入系统，AI就能自动处理各种任务，如文案、配音、视频等，从而创造出高质量的作品。这种新型的新闻共创模式，使得记者和编辑与AIGC的协作成为可能，媒体的工作重点也因此转移到了信息的整理收集和核实补充上。编辑部的角色也发生了转变，从独立创作者变为素材的收集者和组织者、节目作品的审查员，以及AIGC的改进者。这就好比媒体机构成为了“甲方”，可以随时召唤不知疲倦的“乙方”（AIGC），提出各种创新的要求，让AIGC进行修改、优化，直到满意为止。[1]

在生产过程的后期，AIGC的独立生成内容的能力使其不仅能自主收集素材，还能创新地重新组合和加工这些素材，最终以合理的方式进行分发。由于所有媒体单位以及世界各地的用户内容都成为AIGC的数据来源，记者的“一己之力”已无法与AIGC的采集、编辑能力相比。因此，AIGC有可能成为全媒体采集、多平台生产、多渠道发布的全局替代者。[1]这一切都预示着，AI将在未来的媒体生产中发挥更大的作用。

4.3   行业转型

随着深度学习模型的持续演变进化，AIGC将再次释放出内容的无尽潜力和规模效益。这犹如一双翅膀，一方面是规模与速度，一方面是质量和独特性。AIGC以主动出击的姿态，刷新着信息的洪流和边界。尤其在人工智能的门槛逐渐降低之后，AIGC的创作更是如鱼得水，将内容推向新的高度。它具有优质的生产力，因为它能覆盖各种不同的表达格式，如创意的泉涌、表现力的万花筒、传播的快速通道、个性化的鲜明旗帜。AIGC的千人千面有别于当前自媒体生态的个性化展示，因为自媒体的个性更多受创作者的本性、知识等影响，而AIGC的个性化是在生成场景、用户引导、算法调整、机器学习等多因素下催生的，这是一种更智能化、更精准的创作方式。随着传播力量的日益强大，未来的内容生态对于媒体机构或个体来说，都将带来前所未有的体验和挑战。[1]

结语

AIGC，代表了革命性的内容生产方式，正在快速改变着媒体行业的格局。借助于人工智能的强大能力，AIGC能够根据用户的需求和偏好，智能地生成个性化、多样化、高质量的内容。这种新型的内容生产方式，不仅为媒体带来了创新和发展的新机遇，更为媒体融合开辟了新的道路。可以预见，AIGC将会成为未来内容生产的主流方式，引领媒体变革的潮流。

AIGC在技术上的优势显而易见。通过深度学习和自然语言处理等技术，AIGC能够自动化地解析大量的文本和图像数据，并根据用户的需求生成个性化的内容。这种技术应用不仅提高了内容生成的效率，也使得内容更加丰富和多样。例如，AIGC可以根据用户的兴趣和偏好，自动地生成新闻报道、小说、诗歌、广告等不同类型的文本，从而满足用户的不同需求。

除了技术上的优势，AIGC在内容质量上也表现出色。通过利用人工智能的算法，AIGC能够自动地优化文本的结构和语言，使得生成的内容更加流畅和自然。同时，AIGC还能够根据用户的反馈和评价，不断优化和改进生成的内容，从而提高用户的满意度和信任度。

然而，AIGC在技术和伦理方面也面临着一些挑战和问题。首先，在技术方面，AIGC需要更加注重用户体验和交互。用户需要能够更加灵活地控制和参与内容的生成过程，以便获得更加个性化的体验。此外，AIGC还需要提高内容的多维度和深度。不仅要生成表面的信息，还要生成背后的意义和价值，让内容更加有深度和内涵。

其次，在伦理方面，AIGC需要更加尊重人类的创造性和智慧。虽然人工智能能够自动化地生成内容，但是它不能完全取代人类的作用和角色。人类创作者的价值和智慧是不可替代的，因此AIGC应该与人类合作和协作，实现人机共生和共赢。同时，AIGC也需要遵守社会的道德和法律，避免生成有害的内容，而应生成有益的内容，为社会的进步和发展做出贡献。

为了应对这些挑战和问题，我们需要加强AIGC的技术研发和伦理规范。在技术方面，我们需要不断提高AIGC的智能化程度，优化算法和模型，以提高用户体验和交互效果。同时，我们还需要加强AIGC的安全性和隐私保护，确保用户数据的安全性和隐私性。

在伦理方面，我们需要制定更加严格的规范和标准，以约束AIGC的行为和决策。同时，我们还需要加强人类创作者的道德责任感和法律意识，确保他们能够为社会提供有益的内容和服务。

总的来说，AIGC是一种非常有前景和潜力的内容生产方式。它能够为用户和媒体带来新的体验和价值，也能为媒体变革带来新的动力和方向。然而，我们也需要正视AIGC在技术和伦理方面的问题和挑战。只有通过不断地探索和创新，我们才能充分发挥AIGC的优势和潜力，推动媒体行业的持续发展和进步。

参考文献

[1] 王建磊，江浩. AIGC与融媒生产：赋能、互补与边界[J]. 视听界，2023（3）：21-25.

[2] 姚凯. 基于用户兴趣的个性化推荐方法研究与应用[D]. 西安：西安理工大学，2014.

[3] 郭全中，张金熠. AI+人文：AIGC的发展与趋势[J]. 新闻爱好者，2023（3）：8-14.

[4] 朱满洲. 基于协同过滤的个性化新闻推荐系统的设计与实现[D]. 南京：南京理工大学，2018.

作者簡介：马小林（1968-），男，北京平谷，北京市平谷区融媒体中心技术部主任，副高级工程师，研究方向为广播电视设备和网络的维护管理和方案设计。

（责任编辑：李净）