很可惜 T 。T 您現(xiàn)在還不是作者身份，不能自主發(fā)稿哦～
如有投稿需求，請把文章發(fā)送到郵箱tougao@appcpx.com，一經(jīng)錄用會有專人和您聯(lián)系
咨詢?nèi)绾纬蔀榇河鹱髡哒埪?lián)系：鳥哥筆記小羽毛（ngbjxym）
撰文 | 懂懂
編輯 | 秦言
來源：懂懂筆記
谷歌在2015年曾預測：“未來互聯(lián)網(wǎng)世界80%的內(nèi)容將是以視頻形式呈現(xiàn)的。”
未來已來！十年前的預判在今天幾乎全部實現(xiàn)。不僅如此，視頻在工作生活中的滲透率不斷提升，并且過去一年中又有很多全新視頻體驗來到我們身邊：
AIGC可以快速生產(chǎn)短劇，抖音聯(lián)合博納影業(yè)出品的《三星堆：未來啟示錄》一上線，便獲得了驚人的1.4億次播放量；
奧運會期間裸眼 3D 觀賽、VR 直播觀賽已成為現(xiàn)實，PICO 還為用戶全新打造了巴黎奧運會觀賽場景；
游戲《黑神話：悟空》爆火，為全球玩家提供了一場虛實融合的中國文化盛宴，并且?guī)Щ鹆艘槐娋€下旅游打卡圣地；
在15日火山引擎與intel聯(lián)合舉辦的“視頻云技術大會”上，火山引擎總裁譚待就以數(shù)字分身的形式出現(xiàn)，采用豆包語音合成模型和形象驅(qū)動算法，達到真人級別的效果，整個演講過程看上去非常自然、逼真……
所有這些創(chuàng)新應用的背后，都是AI帶來的顛覆性變化。當下，數(shù)字視頻時代已經(jīng)向AI視頻時代躍遷，用戶的需求也在從更流暢、更實時、更高清——升級為更智能、更交互、更沉浸。而要實現(xiàn)這些“更……”，依賴的就是生產(chǎn)、交互、消費等全鏈路的AI升級。
正如譚待所描述的，“視頻正迅速崛起為人類的第二語言，其豐富的表達手段和效果遠超傳統(tǒng)文字，為我們提供了更多元、更生動的交流方式。”
隨著視頻的重要性不斷提升，生產(chǎn)端的挑戰(zhàn)便是如何以更少的時間、更低的成本生產(chǎn)出更高質(zhì)量的內(nèi)容。
比如在電商領域，過去一年中短視頻、直播、數(shù)字人占比越來越高。好的內(nèi)容可以吸引用戶的注意力，有效傳遞品牌信息，并且激發(fā)消費者購買決策。顯然，“好內(nèi)容”已經(jīng)成為電商平臺收益增長的第一生產(chǎn)力：優(yōu)質(zhì)內(nèi)容高效快速生產(chǎn)從而拉動商品銷量，隨著商品運營規(guī)模大幅增長，營銷成本也在大幅下滑（如上圖）。
火山引擎的多模態(tài)電商素材生成方案，通過融合圖像分析、AIGC（人工智能生成內(nèi)容）、大模型處理、3D物體重建等先進技術，實現(xiàn)了商品氛圍圖、圖文視頻、解說視頻、AIGC視頻和3D商品模型等多模態(tài)營銷素材的自動化生。
其帶來的效果是門檻大幅降低：商家只需要提供基礎信息和一些簡單的多模態(tài)素材，就可以自動提取賣點、智能裁剪、自動生成視頻。舉些例子，比如輸入乳飲產(chǎn)品的受眾、產(chǎn)地、營養(yǎng)成分，就可以自動生成一張首銷圖或是一段營銷視頻；比如把服裝的圖片上傳，就可以自動生動模特上身的效果圖；比如上傳商品信息之后，可以自動生成一系列內(nèi)容匹配直播、短視頻、貨架等不同場景需求。火山引擎的多模態(tài)電商素材生成方案，端到端自動化讓素材生成更智能、更快捷、更個性。
不止于電商，在短劇、賽事、演出等各種場景，也都有海量的自動化生成內(nèi)容需求，比如短劇的宣發(fā)，演出的切片傳播，賽事的精彩瞬間等等。火山引擎視頻云推出的多模態(tài)視頻理解與生成方案，依托多媒體實驗室自研的AI視頻理解技術和AIGC技術，實現(xiàn)了視頻高光的自動化提取和解說內(nèi)容的生成。一場精彩的演出，可以快速切出多個短片，短劇可以快速生成多段不同視角的預告片，顯著縮短了制作周期，大幅降低傳播、宣傳的成本。
我們知道，聲音是視頻中的關鍵要素，火山引擎視頻云提供的跨語言同聲復刻直播服務，可以實現(xiàn)自動配音、自動匹配字幕，還可以聲音復刻。比如在直播中可以使用豆包大模型Seed-ASR，除了能自動打出字幕，還支持中文、英語、日語、西班牙語、印尼語、葡萄牙語等多國語言輸出。在虛擬人的直播中，可以高度還原人聲特點、說話風格，還可以調(diào)整演講者口型，讓觀感更加自然。以“視頻云技術大會”活動為例，出現(xiàn)在講臺上的“數(shù)字人譚待”，無論是體態(tài)、表情還是聲音、語氣，都實現(xiàn)了對真人的高品質(zhì)復刻，令人驚羨。
在新視界時代，生產(chǎn)端的挑戰(zhàn)是如何以更少的時間、更低的成本生成多角度、高信息密度的優(yōu)質(zhì)內(nèi)容。火山引擎通過AI賦能，推出一系列解決方案從而推動了生產(chǎn)力變革：多模態(tài)內(nèi)容根據(jù)用戶需求自動生成，智能生產(chǎn)讓創(chuàng)作者的創(chuàng)意得以充分釋放，多模態(tài)內(nèi)容的生產(chǎn)與處理已經(jīng)變得觸手可及。
隨著去年大模型火爆之后，與AI交互的應用開始興起。比如手機中的智能助理已經(jīng)成為用戶與手機溝通的主要方式，很多“I人”不喜歡線下社交，更喜歡與AI聊天機器人互動，現(xiàn)在我們撥打客服電話時很大比例都是機器人在提供服務。
舉個例子，AI陪伴已經(jīng)開始走進日常生活，并且不僅局限文本交流，而是以數(shù)字人化身的形式出現(xiàn)，實現(xiàn)了實時語音對話。作為AIGC原生產(chǎn)品，AI陪伴目前的市場熱度極高，已經(jīng)是當下人工智能領域成長最快速的賽道之一。據(jù)數(shù)據(jù)網(wǎng)站Insightrackr統(tǒng)計，AI陪伴類產(chǎn)品從今年二季度開始（特別是5月到7月），每月的下載量較上月平均增加94%。
萌寶是一家國內(nèi)領先的幼兒娛樂啟蒙音視頻內(nèi)容平臺，為用戶提供兒歌、故事、繪本、語言、認知、科學、藝術等多個領域內(nèi)容。兒童在平臺上學習、娛樂的同時，高質(zhì)量、有溫度的AI互動可以令用戶體驗大幅提升：新奇有趣的體驗讓他們更專注；個性化情感陪伴使其收獲理解與關懷；邊聊邊學的益智啟蒙互動使得學習效果更好。
平臺一直想為兒童定制一個AI伙伴，這其中存在諸多挑戰(zhàn)：語音響應延時要低，遇到打斷情況要能自然處理，IP角色音色要貼合，要能真正理解兒童的需求并給出恰當?shù)囊龑?hellip;…
總體來講，AI陪伴領域存在技術難度高、成本高、效果難保障等痛點。萌寶最終選了火山引擎AI實時交互方案。方案通過火山引擎豆包大模型和視頻云RTC技術實現(xiàn)了語音數(shù)據(jù)的高效采集、處理和傳輸，并在服務端為用戶提供了智能對話和自然語言處理的強大能力：毫秒級人聲檢測和打斷響應，以及絲滑穩(wěn)定的端到端響應體驗。
萌寶對最終的應用效果十分滿意：實時響應，互動非常自然，即使交流中被孩子打斷也可以智能地續(xù)接，AI的音色親切且情緒飽滿，給孩子們帶來有感情還有趣的陪伴。最重要的是，系統(tǒng)能夠很精準地理解孩子的需求，提供相應的回復與引導。
這個解決方案源自豆包大模型與實時音視頻技術，用戶不僅能用語音與AI進行交談，還能像平時說話一樣，在對話過程中適時打斷或插話，對整體交流的質(zhì)量也不受影響。經(jīng)過升級后的AI聲音相較以往而言更具表現(xiàn)力和感情色彩，對話也因此更自然、更真實、更流暢。
誠然，人與AI交互的實現(xiàn)并不難，但要做好卻非常難。首先要實現(xiàn)功能價值，就是要精準理解用戶的需求是什么；其次還要提供情緒價值，在理解用戶意圖的基礎上，用最自然、最舒服的方式與用戶進行交流互動。
火山引擎對話式AI實時交互解決方案讓智能交互的生產(chǎn)更簡單，這也助力客戶可以針對不同場景不斷創(chuàng)新應用。目前這套方案已經(jīng)普遍被企業(yè)用來定制智能助手、AI社交陪伴、兒童學習陪伴、AI教育、智能客服等服務。其中社交領域最為典型：用戶不僅能夠個性化定制專屬AI Agent，還能在精心設計的劇情中與AI角色深度互動。
顯然，交互端的智能化，給AI增加了不少的“人味兒”，AI變得越來越有溫度。
今年游戲圈最熱的就是《黑神話：悟空》，其大受追捧的原因之一就是跨時空。
游戲通過無人機實景三維重建等前沿技術，將真實場景的紋理與細節(jié)以1:1的比例精準還原到游戲世界中，為全球玩家提供了一場虛實融合的中國風盛宴。用戶在游戲中可以沉浸式觀賞風景與體驗文化，如果愛到極致還可以來一場說走就走的線下旅游，在游戲中被復刻的36個景點，甚至串起了“黑神話旅游專線”。
實際上，2D、3D以及虛實融合的應用已經(jīng)越來越多地出現(xiàn)在人們的工作生活中。從消費端來看，時空不再有邊界，虛實融合正在引發(fā)空間智能化的變革。最近，凱文凱利（KK）預言AI帶來的顛覆第一條就是：5000天后鏡像世界將會誕生。所謂鏡像世界是依靠AR、VR、AI等技術將現(xiàn)實和虛擬世界完美融合，我們會處在一種“沉浸式計算”的時代，到處都是數(shù)字化，萬物皆可與AI相連。
針對空間智能化的需求，火山引擎視頻云推出了一系列方案：
基于AI的3D生成方案，用戶僅需簡單上傳所建3D內(nèi)容參考圖，自研系統(tǒng)就會自動生成關鍵視角和稀疏視角圖像，快速構建出精確的3D幾何結構，與傳統(tǒng)手工3D建模相比，火山引擎AIG3D方案在效率、多樣性和操作成本等方面有明顯優(yōu)勢；
大場景重建方案，實現(xiàn)了對真實場景的高質(zhì)量3D幾何構建與外觀重建渲染，廣泛應用于虛擬直播，VR直播等場景中，高效率的生成三維直播布景，增強了用戶的沉浸感體驗；
6DoF直播方案，實現(xiàn)了高質(zhì)量、超低延時的VR沉浸體驗，已成功應用于抖音VR直播，成為業(yè)內(nèi)首個基于Apple Vision Pro的3D直播，為用戶帶來了震撼的XR體驗。
基于這些解決方案，用戶已經(jīng)切實體驗到智能空間的價值：從文化傳承的角度，火山引擎與山西高平二郎廟金代戲臺、北京正乙祠戲樓等文物單位合作，將線下珍貴文物轉(zhuǎn)換為線上的永久數(shù)字資源，并打造成虛實融合的沉浸式虛擬直播間。目前已經(jīng)應用于抖音戲曲直播場景，提升主播直播過程的沉浸感和互動感，助力非遺傳承與保護。
2024年奧運期間，PICO 還為用戶全新打造了會觀賽場景，借助于 VR 大屏，運動員的每一個動作、每一滴汗水、每一幀表情都近在咫尺，沉浸式的極致觀賽體驗讓用戶仿佛置身于賽場當中。英特爾與PICO團隊合作，依托英特爾領先的計算和渲染能力，借助火山引擎的解決方案，啟動了“何以華夏”項目，對珍貴的文化遺產(chǎn)進行虛擬再現(xiàn)和推廣，為用戶帶來沉浸式的文化體驗。
顯然，隨著AI技術的發(fā)展，空間智能化得以實現(xiàn)，用戶不再受到時間、空間的限制，消費端的智能化正在消弭物理世界與數(shù)字世界的縫隙。
【結束語】
從數(shù)字視頻時代到AI視頻時代的進化，用戶需要更智能、更交互、更沉浸的體驗，這對生產(chǎn)端、交互端、消費端都提出全新的挑戰(zhàn)。只有通過AI全鏈路賦能實現(xiàn)“三智”，才能支持未來更多模式、應用的創(chuàng)新。
END
本文為作者獨立觀點，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權及免責申明》 如對文章、圖片、字體等版權有疑問，請點擊 反饋舉報
我們致力于提供一個高質(zhì)量內(nèi)容的交流平臺。為落實國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護用戶創(chuàng)造的內(nèi)容、維護開放、真實、專業(yè)的平臺氛圍，我們團隊將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時也將采取必要措施管理違法、侵權或有其他不良影響的網(wǎng)絡信息。
一、根據(jù)《網(wǎng)絡信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權，破壞國家統(tǒng)一，損害國家榮譽和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽、榮譽；
4)宣揚恐怖主義、極端主義或者煽動實施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團結；
6)破壞國家宗教政策，宣揚邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽、隱私和其他合法權益；
11)通過網(wǎng)絡以文字、圖片、音視頻等形式，對未成年人實施侮辱、誹謗、威脅或者惡意損害未成年人形象進行網(wǎng)絡欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實，損害他人名譽；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進行負面評價；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗、擾亂本網(wǎng)站秩序的內(nèi)容，或進行相關行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗的細節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚低俗、庸俗、媚俗內(nèi)容。
5. 不實信息，主要表現(xiàn)為：
1)可能存在事實性錯誤或者造謠等內(nèi)容；
2)存在事實夸大、偽造虛假經(jīng)歷等誤導他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個人信息暗示自己具有特定身份，或與特定機構或個人存在關聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運、使用迷信方式治病；
2)求推薦算命看相大師；
3)針對具體風水等問題進行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導用戶；
2)內(nèi)容與標題之間存在嚴重不實或者原意扭曲；
3)使用夸張標題，內(nèi)容與標題嚴重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導未成年人應援集資、高額消費、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導未成年人不良嗜好影響未成年人身心健康的；
2)不當評述自然災害、重大事故等災難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當一個用戶發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將依據(jù)相關用戶違規(guī)情節(jié)嚴重程度，對帳號進行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個帳號發(fā)布違規(guī)內(nèi)容時，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗的不斷豐富，本網(wǎng)站出于維護本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進行反饋。
(規(guī)則的最終解釋權歸屬本網(wǎng)站所有)