人工智能在融媒体业务生产中的应用

范昭

【摘要】随着人工智能技术的发展，融媒体平台成为传统媒体与新媒体融合的重要载体，在推动传统媒体转型升级中发挥了积极作用。然而，在融媒体时代，如何更好地利用AI技术为传统媒体赋能，实现“内容+终端”模式下的价值共创，成为当前传统媒体亟须解决的问题之一。基于此，本文将重点探究人工智能在融媒体业务生产中的应用，从技术层面和产业运营方面分析其对媒体行业产生的影响及未来发展趋势。

【关键词】人工智能；融媒体业务；生产策略；应用途径

中图分类号：TN92                            文献标识码：A                            DOI：10.12246/j.issn.1673-0348.2024.01.001

人工智能技术是指通过机器学习，自动分析和处理人类的思维方式、知识体系、行为模式以及人与环境之间复杂关系的能力或方法。近年来，人工智能技术的发展，为融媒体业务的开展带来了新的契机，在融合发展中实现智能化转型。本文从当前融媒体产业发展现状入手，结合融媒时代下新闻生产对智能技术应用需求进行探讨，总结出融媒体产业应积极发挥自身优势，将智能技术运用于新闻报道实践活动中，从而促进融媒生态健康稳定地持续运行。

1. 人工智能在融媒体业务生产中的应用架构设计

人工智能在融媒体业务生产中的应用架构设计要根据用户需求，融合业务特点及技术发展趋势进行分析和规划。从“内容”“平台”“系统”三个层面对融媒体产品架构展开研究，构建以用户为中心的智能化服务架构模型，并将其与智能终端相结合实现对智能设备的控制[1]。具体而言，在“内容”层，通过建立多模态交互场景来提升用户体验，引入人工智能算法优化视频编辑方式，利用深度学习算法解决数据稀疏性问题。由于融媒体业务需要大量的数据支持，包括文字、图片、音频、视频等多种形式的信息。在应用架构设计中，考虑使用自然语言处理（NLP）和计算机视觉等技术来对这些数据进行采集、清洗和处理，以提高数据质量和效率。同时，为了避免不同数据源之间存在差异，还需采用统一建模语言（UML）对模型进行描述，便于后期维护管理。

在平台层设计中，基于云计算平台搭建集数据存储、数据分析、数据挖掘、知识挖掘、可视化展示于一体的数据中心，提供海量数据处理能力。通过建设面向新闻采编领域的AI训练库，实现自动分词、词频统计以及文本分类等功能。引入机器学习和推荐系统技术，根据用户的兴趣、行为和偏好，向用户推送个性化信息和建议。此外，结合大数据检索、社交网络挖掘等技术，开发一个针对新闻资讯类网站的新闻推送系统，实现实时动态更新和快速查询的目的，帮助用户更高效地获取所需内容[2]。

系统设计中，通过整合各种异构数据，完成新闻源的自动化发现。通过融合多种关键技术，有效降低开发成本。通过综合运用Hadoop+Map Reduce框架、My SQL数据库和JDBC接口，使整个系统具备良好的扩展性。关于数据实时分析和预测应重点关注以下几个方面：其一，数据预处理。主要是通过分析历史数据，提取出相关特征量，用于建模、推理及决策。其二，模式挖掘。可依据用户需求，从已有新闻语料中挖掘出潜在有价值的新闻规则。其三，关联关系分析。将挖掘出来的潜在关联规则作为模型输入，并与现有新闻报道相结合，形成新的新闻趋势或预测。

总之，人工智能在融媒体业务生产中的应用架构设计需要结合具体业务需求和技术能力，综合考虑数据采集和处理、模型构建、算法研究、智能服务等阶段，不断迭代升级，最终为用户提供智能化、便捷化和人性化的产品和服务。

2. 人工智能在融媒体业务生产中的应用路径

2.1 全媒体稿件智能化生产业务

全媒体稿件在融媒体业务中起到了核心作用，为业务人员提供了丰富的新闻素材。将人工智能技术引入全媒体稿件加工处理系统可以提高工作效率和质量。在实际工作中需要从多个方面对全媒体稿件人工智能应用进行研究，包括算法设计、编程实现以及数据融合等内容。内容生成方面，人工智能可通过自然语言处理和机器学习等技术，实现自动化的内容生成，如自动分词、词性标注、句子相似度计算等[3]。基于大规模文本数据训练的模型可生成新闻报道、评论等各类稿件内容，且具有良好的泛化能力。同时，人工智能还可以根据用户需求和偏好，自适应地调整其参数，从而更好地满足用户对信息的个性化需求。

在高效的重点词和敏感词汇校对中，利用人工智能技术能有效提升编辑效率和准确性，降低人工误差。具体构建中，要以智能信息处理理论为基础，采用大数据处理方法建立知识库。结合人工智能与数据库技术相结合的方式，使用深度神经网络完成语义分析、特征抽取等任务。同时，对于一些关键的特征选择问题也应充分考虑到新闻事件本身的特点，尽量保证所选特征更符合新闻事实。在新闻信息提取时，考虑到不同新闻来源之间存在一定程度上的差异，需综合运用多种分析方法进行特征提取。

编辑辅助是人工智能领域的新课题之一[4]。作为人工智能的分支，编辑辅助系统主要负责从海量的数据集合中抽取出有价值的潜在信息并加以可视化呈现。该技术基于机器学习理论和大数据分析算法，将大量复杂的自然语言转化为计算机能理解的符号形式，再经过一系列人工标注后提供给用户使用。因此，它既具备传统人機交互的交互性，又具有人工智能领域的智能性。

2.2 视音频节目智能化生产业务

视音频节目智能化生产业务是指利用人工智能和相关技术来提高视音频节目的制作效率和质量。随着人工智能和大数据等技术的不断发展，视音频节目智能化生产业务正逐渐成为媒体行业的新趋势。在视音频节目智能化生产业务中，可应用以下技术：

第一，自动化编辑。该技术是基于机器学习算法实现对视音频内容进行自动编辑的技术，通过提取视频片段或文本信息建立训练集并使用模型预测其结果。具体应用中，要注意对视频特征（如运动目标检测、字幕识别）以及场景建模这两个方面进行优化处理。同时，还需要考虑如何将不同类型的数据与不同算法相结合，以便获得更好的效果。

第二，智能分析。该技术主要用于针对用户提出的需求进行数据分析，包括用户行为模式、情感倾向分析、个性化推荐及社交关系挖掘等等。在智能分析过程中，需要综合运用多种分析方法，比如统计分析法、数据挖掘法、决策树方法，以提升分析精度为主，兼顾准确性。

第三，智能场景分析。通过图像识别和语义理解等技术，对节目场景进行智能分析，帮助制片人员更好地选择和设置场景。在实际应用中，场景分析一般分为两种方式：一种为离线分析，另一种为在线实时分析。前者主要依靠人工操作完成。后者则可以借助云计算平台提供的海量存储能力来实现。而云计算平台提供了强大的数据处理能力和丰富的数据服务功能，使得在线实时分析具有更高的灵活性。为此，技术人员必须了解各环节所涉及的关键技术。从前期准备阶段开始就应该做好相应的工作，例如对采集设备性能进行评估。在后期处理过程中要确保音视频流符合安全标准。此外，还要重视对数据资源进行合理分配，做到高效调度。

第四，智能媒体管理，该技术是面向全媒体融合环境下的视音频节目生产业务而设计开发的一套系统。它主要由制作模块、播出控制模块和数据管理模块组成。其中，制作模块负责制作视频文件。播放控制模块负责将视频文件转换成音频格式后输出至服务器。数据管理模块负责将服务器端的数据转换为可视化形式，并根据用户的使用要求向其发送指令。

通过应用上述技术，视音频节目的制作成本可以得到有效控制，制作效率可大幅提升，同时还能提升节目的质量和观众的体验。需要注意的是，在视音频节目智能化生产业务的发展过程中，要充分结合自身特点，发挥各自优势，从而推动行业健康持续发展。

2.3 智能审片业务

智能审片业务的核心是基于深度学习和自然语言处理等人工智能技术的算法模型开发，其主要任务包括数据采集与预处理、特征提取及文本分类。其中，特征提取及文本分类在智能审片系统中发挥着至关重要的作用，而语义分割则是实现该功能的关键技术之一[5]。该技术根据上下文信息構建出包含多个维度特征集的向量空间，进而采用不同方法进行特征选择，最终得到具有较高准确率的特征子集。

另外，人工智能通过深度学习算法分析视频素材的内容和情感，自动进行剪辑和编辑，以获取更为符合用户需求的高质量影像。其本质为结合卷积神经网络以及注意力机制的语义分割框架，它将对视觉图像进行多尺度、多层次地表示并提取隐含于各层次细节结构中的语义知识，从而完成语义理解。

具体而言，智能审片技术是对海量视频图像资源进行智能化识别、提取和分类的过程，旨在提高审片的效率和质量，从而为后续工作提供有力支持。实际应用中，要从以下几方面入手：其一，建立完善的视觉识别系统，利用大数据分析挖掘潜在线索，结合机器学习、知识图谱等新技术来解决传统人工审查模式所带来的问题。同时，也可以借助计算机视觉，将各种场景下复杂的拍摄场景转化为可直接用于分析的图片或文字，并从中发现隐藏的规律，从而达到辅助决策的目的。

其二，充分融合多种图像处理技术，如图像去噪、边缘检测、目标定位以及纹理合成等，提升审片员判断的准确性和时效性。此外，智能审片还需具备一定的交互性，即能够实时监控、记录并反馈用户的操作情况，以便于及时发现问题、解决问题。其三，设计高效合理的审核流程，保证智能审片系统的运行稳定性。智能审片需要一套完整的自动化系统，从前期准备到后期审核再到发布，整个过程均应按照统一的规则完成。例如：针对特定对象的标注，一般先使用相关软件生成对应的标签，然后将标注结果存入数据库，由专业人员根据相应的权限查看是否允许上传。最后，利用可视化工具直观地展现各环节的操作过程，帮助审片员更加清晰全面地掌握审片的全过程。

总之，在融媒体审片中应用人工智能时，应充分考虑数据隐私和信息安全等问题，构建出具有较强鲁棒性、较高准确率以及良好扩展性的信息共享平台。通过上述技术路线与方法体系的集成创新，可实现对全媒体智能审片者、审片任务参与者、审核规则制定及审核策略实施全过程的自动化管理与控制。此外，该技术还能够帮助审片员更好地处理审片任务，进而提高其工作效率和质量，这也是未来相关技术发展需要突破的瓶颈所在[6]。

2.4 智能内容管理业务

融媒体智能内容管理业务是以“人工智能+云计算”为基础，通过对各类海量信息资源的采集和分析处理，实现智能化、个性化、人性化的新闻推送服务。在技术方面，人工智能为融媒体内容管理提供了强大的技术支持，包括深度学习模型、机器视觉识别、自然语言理解等。在业务层面，融合媒体平台可以集成多种智能应用系统，并与传统主流媒体形成优势互补。在运营模式上，融合媒体智能内容管理将向全流程化方向发展，从内容生产到分发再到用户使用均采用自动化的方式进行操作，从而大幅降低人工参与程度，提高工作效率。

智能编目是根据现有的标准制定出符合自身特点的编目规范和流程。其主要功能有：自动分词、词性标注、词典构建以及关键词抽取，能够准确地提取出所需的文本数据。视频标签建立后，利用基于卷积神经网络算法对视频空间特征图进行训练得到标签图像库。将该数据库中的标签图像作为训练样本输入至CNN网络分类器中进行分类实验。之后，将已完成训练的分类结果输出给智能终端，使得智能终端能够自动识别文本信息及相应的视频内容。智能编目系统主要包含三个模块：智能编目机端、智能编目机客户端以及智能编目系统后台管理系统。其中，智能编目机端负责向用户提供服务，在用户使用过程中即实现了与智能终端之间的通信连接。而智能编目机客户端的核心则为深度学习算法，通过不断迭代优化模型参数从而获得更加精确的目标函数值，再由最优解确定最终的解集，最后反馈给用户以验证其性能优劣。智能编目系统后台管理系统则负责管理整个系统的运行情况，并实时显示各功能模块的运行状况。

总之，智能检索需针对不同类型的内容选择合适的检索器，并设置合理的阈值才能达到较好的查准率[7]。此外，还需要考虑各种影响因素，如用户阅读习惯、内容质量以及版权问题等，这些都会影响最终查询结果的准确性。通过人物图片快速查找相关内容，然后结合已有的内容列表或文档索引，即可直接获取目标内容。

3. 结束语

人工智能技术在融媒体业务生产中得到了广泛的应用，为其发展提供了强大动力。在未来的发展中，融媒体业务要充分发挥人工智能优势，实现智能化、个性化的智能服务，提升用户体验和满意度。在实际构建中，需立足于“互联网+”时代的特点，积极推进全媒体化建设进程。通过融合新技术手段与传统媒体内容资源，建立起多元化、立体式、多终端、跨平台的新型媒体生态体系，从而满足不同层次受众对信息传播的多样性需求。

参考文献：

[1]张雨雁，俞晓迪.县级融媒体对人工智能运用的困境与反思[J].传媒评论，2023（04）：68-70.

[2]王一民.融媒体语境下以人工智能技术推动播音主持工作[J].华东科技，2022（09）：119-121.

[3]王丽霞.人工智能技术在融媒体领域的应用[J].电视技术，2022，46（05）：175-177.

[4]"拥抱数字时代，领创数智浙江"系列融媒体访谈节目之人工智能驱动金融普惠[J].信息化建设，2021（07）：42-47.

[5]徐延章.人工智能+融媒体体验：基于广电融媒体设计模型的解读[J].电视研究，2020（06）：45-48.

[6]胡正荣，张英培.5G与人工智能时代县级融媒体中心建设的关键点——以江苏邳州为例[J].电视研究，2019（05）：4-6.

[7]王鸣.大数据+人工智能+云服务：技术创新驱动县级融媒体中心建设[J].传媒，2019（02）：17-18.