新闻生产中生成式AI技术的应用研究

摘要：随着人工智能技术的快速发展，生成式AI在文本生成、视觉内容制作、音乐创作、视频编辑等方面展现出巨大的潜力，能够从多个维度优化新闻内容的表现形式，如文本、视觉、音乐、视频等。文章主要探讨生成式AI技术在新闻生产中的应用，旨在分析如何应用该技术提升新闻制作效率和质量，同时探讨其在文本、视觉、音乐和视频内容创作中的具体应用场景。文章采用文献综述与案例分析相结合的方法，通过分析生成式AI技术及其具体应用案例，探讨其在新闻生产中的实际应用效果，并结合实践操作，深入探讨生成式AI技术在新闻生产中的四种主要应用策略，包括Prompt应用策略、RAG应用策略、微调应用策略和重新训练应用策略。研究结果表明，在新闻文本生产中，生成式AI可以自动生成新闻稿件，从而减轻记者的工作负担。在新闻视觉内容制作中，生成式AI可以生成高质量的图像和视频，并快速生成短视频内容。在新闻音乐创作中，生成式AI可以根据新闻主题生成背景音乐，增强新闻的情感感染力。然而，文章也指出，生成式AI技术的应用存在局限性，需要在实际操作中进一步优化技术模型，以确保生成内容的准确可靠。文章旨在为新闻行业提供一种新的内容生产方式，推动新闻生产的技术革新。

关键词：新闻生产；生成式AI技术；Prompt；RAG；微调；重新训练

中图分类号：G210.7 文献标志码：A 文章编号：1674-8883（2024）17-0010-05

基金项目：本论文为2021年度江苏高校哲学社会科学研究项目“后疫情背景下网课的交互手段对线下课堂师生互动的反哺研究”成果，项目编号：2021SJA2416

生成式AI技术作为人工智能研究的重要方向，在新闻生产中的应用引发了广泛关注。通过生成式AI技术，可以实现新闻内容的自动化生成，提高新闻生产效率和质量，同时减少人力成本。此外，生成式AI技术能够从多个维度优化新闻内容的表现形式，满足不同受众的需求和偏好，具有极高的应用价值。

一、生成式AI技术概述

生成式AI技术作为人工智能领域的重要分支，旨在通过算法和数据训练，生成高质量、具有创意的内容。生成式AI技术的核心技术包括深度学习、神经网络、自然语言处理等，可通过对大量数据进行学习和建模，在一定程度上模拟人类思维及创作过程，生成文本、图像、音频等多种形式的内容。生成式AI技术的发展，依托大规模数据集和高性能计算资源支持，通过持续优化模型和算法，可逐步提高生成内容的质量[1]。

笔者结合实际调查发现，近年来生成式AI技术的应用范围广，在文本生成、图像生成、音乐创作等领域均展示出较高的实用价值。例如，在文本生成方面，生成式AI可以撰写新闻报道、文学作品、技术文档等，通过学习大量已有文本，生成与人类创作风格相似的内容。该技术在生成高逼真的图像、创作不同风格音乐方面也具有较大潜力，但同时存在一系列技术、伦理挑战，如创新性和可控性平衡、生成内容错误控制、版权争议和信息安全问题等，这一系列挑战必须引起重视[2]。

二、生成式AI技术在新闻生产中的应用优势

结合近年来的相关实践探索可以发现，生成式AI技术在新闻生产中的应用具有显著优势，能够大幅提升新闻生产效率与质量。具体来说，生成式AI可以快速生成大量新闻稿件，大幅缩短新闻制作的时间周期。在突发事件或重大新闻报道中，生成式AI能够及时生成初步报道，为新闻记者提供参考、素材，增强新闻报道的时效性。而通过学习和分析大量不同风格和主题的新闻文本，生成式AI可以生成具有独特视角的新闻内容，满足不同受众的需求和偏好。特别是在专题报道与深度报道中，生成式AI可以提供多种角度的分析，丰富新闻报道的层次与深度。同时，生成式AI能够辅助新闻编辑、校对，提高新闻内容的准确性，在自然语言处理和语义分析功能的支持下，生成式AI可以自动检测并纠正新闻稿件中的语法错误、逻辑漏洞、事实错误，确保新闻内容的专业性。

总的来说，生成式AI技术在新闻生产中的应用可有效降低新闻制作的人力成本和时间成本，特别是在一些重复性和基础性的新闻报道中，生成式AI可以替代新闻记者的部分工作，将更多的人力资源投入高价值的新闻生产中[3]。

三、生成式AI技术在新闻生产中的应用原则

在新闻生产中，生成式AI技术的应用须遵循一定原则，主要包括真实性、YNxHpC84T3XPDLzvr0q/tQ==安全性、规范性等。真实性原则要求生成式AI在处理大量信息和数据时，确保输出内容真实反映事实，而不是基于偏见或误导性的材料进行加工。新闻报道的核心价值在于提供准确的信息，以此作为决策的依据。在应用AI技术生成新闻内容时，必须对数据来源进行严格筛选，确保数据的可靠性，并保证AI生成的内容经过多次校验，避免因技术偏差、数据不完整而造成负面影响，新闻工作者也必须对AI生成的内容进行人工审核。安全性原则聚焦数据隐私和安全。

近年来，AI技术在信息采集和处理方面的潜力凸显，隐私泄露和数据滥用的风险也随之增加。为预防此类风险，新闻机构必须建立严格的数据管理和使用规范，对数据的收集、存储、处理、传输等环节进行全程监控，采取有效措施保护个人隐私，确保数据使用符合相关法律法规。同时，应定期对生成式AI系统进行安全评估，及时发现和修补安全漏洞，确保数据安全和隐私保护。规范性原则强调应用生成式AI技术必须严格遵循伦理和法律规范，以此避免引发社会问题。新闻媒体在使用生成式AI技术时，必须确保其生成的内容符合新闻伦理，做到尊重事实、避免偏见，杜绝传播谣言[4]。

四、生成式AI技术在新闻生产中的应用

（一）在新闻文本创作中的应用

在新闻文本生产中，生成式AI技术的应用潜力惊人，但需要得到自然语言处理技术、机器学习算法的支持。通过分析大量现有新闻文本数据，生成式AI技术能够学习和掌握新闻写作的语言风格、结构和内容模式，进而根据给定的主题、关键词和背景信息，自动生成符合新闻写作规范的文章，并在一定程度上保证文本的逻辑连贯性和信息准确性。这种智能化的新闻文本创作在效率方面优势明显。传统新闻写作需要记者花费大量时间收集、整理和撰写资料，但生成式AI可基于预先设定的参数和模板，在短时间内生成多篇符合不同需求的新闻稿件。例如，针对突发事件快速生成初步的新闻稿，记者可对其补充和修改后予以发布，从而实现新闻的快速传播。生成式AI技术还可以辅助记者进行文本校对和优化，如自动检测和纠正新闻稿件中的语法错误、逻辑漏洞，根据新闻写作规范对文本进行优化调整，以及根据新闻标题生成适当的导语，即可提升新闻文本创作质量，更好地吸引读者注意力。生成式AI还可以根据新闻事件的发展，实时更新和调整新闻稿件内容，确保新闻报道的时效性[5]。

（二）在新闻视觉内容制作中的应用

在图像生成方面，基于对海量图片数据的学习，生成式AI能够生成高质量的新闻图片。新闻报道常常需要搭配相关图片，以增强内容的直观性。应用生成式AI技术，根据新闻主题和文本内容，即可自动生成与之匹配的图像。如在报道自然灾害时，生成式AI可以根据灾害描述生成真实感极强的灾害场景图片，辅助读者更直观地了解事件情况。此外，生成式AI还能对图片进行智能修复、颜色调整、图像合成等智能处理，从而进一步优化新闻视觉效果。如在报道体育赛事时，可以从赛事直播中提取精彩瞬间，自动剪辑并生成赛事回顾视频，大幅提升新闻视觉内容制作效率[6]。

例如，2024年3月29日，央视《晚间新闻》在播报候鸟迁徙时，选用了AI生成的视频（见图1）。4月3日，央视《新闻直播间》在解释强对流天气并提醒做好预防时，同样选用了AI生成视频。这类新闻风格偏向AI动画，基本能呈现文字素材中的可图像化部分，特写较为清晰，整段内容由多个3秒左右的视频拼接而成，但一些画面依旧有着明显的AI痕迹与常见错误，如鸟类群像图片中鸟类动作不清晰、边界模糊、色块杂糅、动作扭曲等，但这不能掩盖生成式AI技术在新闻视觉内容创作中的应用价值。

（三）在新闻音乐创作中的应用

在现代新闻报道中，合理选用背景音乐可以增强报道的感染力和吸引力，生成式AI技术能根据新闻内容和情感基调，自动生成与之匹配的背景音乐，如悲伤沉重的音乐、激昂有力的音乐，以及雨声、风声、掌声等各种音效。新闻报道的音效元素更加丰富，观众的代入感也随之增强。此外，生成式AI技术在新闻音乐创作中的应用还体现在辅助创作方面。生成式AI技术提供的丰富的音乐素材和创作思路，可更好地辅助创作者进行音乐创作，音乐创作者提供旋律与和弦，生成式AI技术由此生成各种变奏和编曲方案，拓展创作思路。根据新闻主题，该技术还可以自动生成与之匹配的音乐片段，激发创作者的创作灵感，进而为新闻音乐创作带来更多可能[7]。

（四）在新闻视频制作中的应用

生成式AI技术在新闻视频制作中的应用，为视频内容的生产和优化提供了全新的方法和工具，具有自动编辑视频、智能生成视频摘要、创建虚拟主播等显著优势。例如，根据新闻报道的主题和结构，自动剪辑视频片段，去除冗余部分，并拼接成完整的视频内容；或根据音频内容，自动调整视频片段的长度和节奏，使画面与声音同步，并自动添加转场效果、字幕和配乐，使视频更加生动和专业。同时，生成式AI可基于对视频内容的理解，自动生成简短的摘要视频，如从长达数小时的新闻发布会视频中，提取关键发言和重要片段，生成几分钟的精华视频，从而大幅提升新闻报道效率。此外，依托生成式AI技术的虚拟主播也可以为制作新闻视频提供支持，模拟真人主播的形象和动作，即可自动播报新闻内容。具体来说，生成式AI技术可以辅助创建高仿真度的虚拟主播，使其具备自然语音和肢体语言，并根据新闻稿件自动生成虚拟主播的同步口型、表情变化、手势动作，确保与新闻内容高度契合，完成实时新闻播报。还可以用于新闻回顾、专题节目等多种形式的新闻报道，拓展新闻视频的应用场景。

面对突发事件，传统的新闻报道方式难以在短时间内对突发事件进行追踪报道。生成式AI技术能够通过大数据分析和实时监测，自动追踪事件的进展。例如，针对自然灾害或社会突发事件，生成式AI技术可以通过收集政务新媒体、新闻网站发布的信息，生成实时的事件报告和视频内容，并根据事件的发展，自动调整报道的重点和角度，确保新闻报道的时效性和全面性。而在动态镜像管理方面，由于突发事件报道需要处理大量的视频素材，传统的镜像文件管理方式容易出现文件体积过大、管理效率低下等问题，但生成式AI技术通过中台使用镜像仓库的方式进行动态管理，能够有效解决这些问题，如根据不同的视频制作任务，动态分析和调整镜像文件的存储和使用策略，进而提前预备高频率和耗时大的镜像组件，确保在实际使用中能够快速调用，进一步提高视频制作效率[8]。

五、生成式AI技术在新闻生产中的应用策略

（一）Prompt应用策略

在新闻生产中，生成式AI技术的有效应用离不开Prompt（提示词）的支持，精确恰当的提示词可引导AI生成高质量的新闻内容。为此，应基于不同的新闻主题和内容，使用不同的提示词，以引导AI生成符合预期的文本。如在撰写国际政治新闻报道时，提示词应包括关键事件、时间节点、重要人物及其言论等；而科技新闻的提示词则需要包括技术名称、研发背景、应用场景、专家评论等，以此确保AI生成新闻内容具有逻辑性、准确性、完整性。考虑到单一的提示词往往无法全面覆盖新闻内容的各个方面，本研究建议采用多样化提示词组合，从不同维度引导AI生成丰富的新闻文本，以此丰富新闻生产的内容，拓展其深度、广度。在此过程中，应聚焦提示词应用过程的反馈优化以及上下文关联提示，进而在新闻文本生成后，通过人工校对和审核，发现并纠正内容中的错误，并据此调整提示词，辅以关联提示词，即可引导AI在生成新闻内容时注意逻辑结构和段落衔接，提升新闻文本的整体流畅性和可读性。此外，Prompt应用还需要保证精准度和简洁性，避免提示词过于复杂或模糊，否则将导致AI生成的内容偏离主题、生成内容逻辑混乱。为此，必须保证提示词的设计简洁明了，精准定位新闻生产的核心要素。

（二）RAG应用策略

生成式AI技术在新闻生产中的应用还依赖检索增强生成技术（RAG），结合检索和生成技术，能够在生成新闻文本时引用最新、最相关的信息，从而提升新闻报道质量。其中，智能信息检索是RAG应用的基础，生成式AI在创作新闻内容时，需要从大量信息中筛选出最相关的内容。如在报道一场国际会议时，AI可以通过检索会议的官方信息、参与者发言、媒体报道等多种信息源，获取全面、权威的新闻素材。由于新闻事件的发展往往具有连续性和动态性，生成式AI在创作新闻内容时需要实时更新信息，这需要得到检索增强生成技术中的动态内容更新支持。如在自然灾害报道中，持续监测事件的发展，实时更新灾害的影响范围、救援进展和官方声明，从而进一步提升新闻报道的即时性。此外，多源信息整合、信息的筛选和验证也是RAG应用的关键，这一过程需要重点整合多源信息，建立信息筛选和验证机制，进而过滤掉虚假信息和不可靠来源，确保引用的信息具有较高的权威性和真实性[9]。

（三）微调应用策略

通过对模型的微调，可以显著提升AI生成内容的准确性、专业性，具体需要从新闻语料库建设、特定领域微调方面入手[10]。新闻媒体应构建丰富多样的新闻语料库，包括各类新闻报道、评论文章、社论等多种文本类型，覆盖政治、经济、科技、文化等多个领域，进而构建涵盖不同时期、不同主题的语料库，为AI提供充足的学习素材[11]。考虑到新闻报道涉及的领域广泛，且不同领域的语言风格和专业术语差异较大，具体实践中还应对生成式AI进行特定领域的微调，科技新闻的最新科技动态和技术背景、经济新闻的经济术语和数据分析方法等均属于其中的重点[12]。

（四）重新训练应用策略

通过对AI模型进行重新训练，可以有效提升其生成新闻内容的质量，需要构建高质量训练数据集，并持续优化训练算法。在构建训练数据集时，需要精选涵盖政治、经济、科技、文化等多个领域的各类新闻稿件，确保数据的多样性和代表性，并经过专业人员的严格筛选、标注[13]。在此基础上，可考虑采用先进的自注意力机制（Self-AttentionMechanism），更好地捕捉新闻文本中的关键信息和上下文关系，增强生成内容的连贯性，辅以超参数调优（HyperparameterTuning）等技术手段，即可进一步优化模型的训练效果，保证生成式AI技术在新闻领域的应用质量[14]。

此外，具体实践还d74a7b5490943f08de334e17571efe5eace74a1d5b4189312213aaecb12bc9b5需要定期更新模型，语言变化和新兴趋势也应得到高度重视。考虑到新闻领域的信息更新速度快，事件发展迅速，生成式AI模型需要定期进行重新训练，以保持对最新信息和事件的及时响应，建议每季度或每半年更新一次模型，确保模型能够反映最新的新闻动态和社会热点[15]。在更新模型的过程中，应聚焦新闻语言和表达方式的不断变化，定期引入新的新闻语料等信息，确保模型能够生成符合当前语言习惯和表达方式的新闻内容。可围绕新兴技术、社会热点等开展专门训练，进而保证生成式AI技术更好地满足新闻生产需要[16]。

六、结语

随着生成式AI技术的进一步发展，其在新闻生产中的应用将更加广泛深入，逐渐成为新闻生产的重要工具，推动新闻报道智能化、个性化和多样化发展。相关探索应聚焦生成式AI在新闻生产中面临的复杂应用场景，并推动相关技术持续进步，为新闻生产提供更全面的技术支持。

参考文献：

[1] 练维维. AI时代新闻摄影的话语策略、价值归位和人文赋能[J].城市党报研究，2024（8）：63-66.

[2] 王淼，汪洋. AI新闻写作“文字失语”现象及其改善策略[J].传播与版权，2024（14）：5-7，51.

[3] 魏永征.面对AI技术新闻业怎样行动？[J].当代传播，2024（4）：1.

[4] 秦忆. AI主播如何在新闻播报中实现情感化表达[J].上海广播电视研究，2024（3）：69-78.

[5] 邰玉泉.生成式AI技术在新闻创作中的应用[J].电视技术，2024，48（7）：103-105.

[6] 史蕊.生成式AI技术在新闻生产中的创新应用[J].电视技术，2024，48（7）：115-117，124.

[7] 吴蕾. 5G+AI技术在电视新闻传播领域的应用[J].卫星电视与宽带多媒体，2024，21（13）：31-33.

[8] 高峰.智媒时代AI主播在新闻播报中的革新路径探究[J].卫星电视与宽带多媒体，2024，21（13）：61-63.

[9] 刘东帅. AI技术在新闻采编工作中的应用[J].卫星电视与宽带多媒体，2024，21（13）：82-84.

[10] 吕绍刚. AI改变新闻实践[J].传媒，2024（12）：15-16.

[11] 陈守湖.新闻业之惑：AI如何GC？[J].媒体融合新观察，2024（3）：1.

[12] 顾婷婷. AI技术在新闻生产中的应用与检视[J].新闻采编，2024（3）：110-112.

[13] 沈积慧. AI技术在都市类报纸记者新闻生产中的应用探索[J].中国传媒科技，2024（6）：85-88.

[14] 田海军.在守正创新中前行：AI大模型赋能新闻写作策略研究[J].传播与版权，2024（11）：1-3.

[15] 蒲子璇. AI技术在新闻采编播环节中的应用[J].电视技术，2024，48（6）：177-179.

[16] 林旭，刘鑫，薛君萍.人工智能技术在电视新闻节目中的应用[J].电视技术，2024，48（6）：112-114.

作者简介 王璇，讲师，研究方向：广播电视。吴江，讲师，研究方向：媒介批评。