摘要：生成式人工智能技术（AIGC）能够在扩展创意边界、提升生产效率等维度赋能广电内容生产。本文展示了AIGC技术如何通过与创作者的紧密合作，生成更具创新性和文化深度的内容，探讨了AIGC技术面临的技术挑战和应用瓶颈，并提出了相应的解决策略和行业发展建议。

点击蓝字

摘要

生成式人工智能技术（AIGC）能够在扩展创意边界、提升生产效率等维度赋能广电内容生产。本文展示了AIGC技术如何通过与创作者的紧密合作，生成更具创新性和文化深度的内容，探讨了AIGC技术面临的技术挑战和应用瓶颈，并提出了相应的解决策略和行业发展建议。

随着人工智能技术的深入发展，生成式人工智能已经在广播电视内容制作中扮演关键角色。这项技术通过自动化生成文本、图像、音频和视频内容，显著提高了生产效率并拓宽了创意边界。尤其是在人机协作模式下，AIGC技术不仅简化了传统的内容制作流程，还通过结合人类的创意和AI的处理能力，优化了创作质量和效率。因此，深入探讨人机协作模式下AIGC应用的作用、挑战与机遇，对于推动广电行业的技术革新和内容创新具有重要的理论和实践意义。

AIGC技术在广电内容生产中的应用

生成式人工智能是一种利用先进计算模型自动生成文本、图像、视频和音频的技术。它基于深度学习，通过大数据训练使机器模拟人类的创作过程，创造出原创性内容。在广播电视领域，AIGC技术通过提升内容创作的效率和推动创意表达，展现其应用价值。

技术上，AIGC依赖于卷积神经网络、循环神经网络和变换器等深度学习框架，通过分析和学习大量样本数据，掌握特定领域的创作逻辑与风格。技术架构分为三个层面：数据层涉及数据清洗和标注；模型层通过训练提升模型准确性和创作能力；应用层则通过人机协作生成新的创作物，并进一步通过人机协作完成优化和调整，以适应特定应用场景和满足质量要求。

广电行业中的AIGC应用案例涵盖了新闻报道、文化节目、互动娱乐等领域。例如，中央广播电视总台的“央视听媒体大模型”集成了庞大的视听数据和先进的生成算法，标志着AIGC技术在广电行业中的深入应用。央视利用动态漫画技术结合古典诗词创作《千秋诗颂》，不仅丰富了文化传播的形式，也使得传统诗词以全新的视觉体验呈现给现代观众。

在内容创新方面，上海广播电视台的Scube系统集成了多种AIGC功能，推动了媒体融合和创新工作室的发展，展示了技术在提升内容生产效率和创意方面的潜力。央视频客户端的“AI兵马俑”项目，则通过智能互动技术，提供了新的观众参与方式，增强了节目的吸引力。

这些案例表明，AIGC技术不仅能够助力广电行业提高生产效率，还能在节目内容创意与观众互动方面开辟新的可能，为广电行业发展提供新的动力和方向。

芒果TV是湖南广播电视台旗下的互联网视频平台。作为国内领先的在线视频和媒体服务平台之一，芒果TV在“中国互联网企业100强”中排名第19位。至今，该平台已连续7年盈利，有效会员数超过7000万。

芒果TV积极融合“文化+科技”，将AIGC技术广泛应用于综艺、纪录片、短剧等节目中，参与《爱的修学旅行》《向前奔跑的青春》《芒果新生班》等多档节目制作，涵盖立意片、片头动画、分镜素材等内容制作环节。另外，芒果TV还落地了AI情景互动解谜游戏、拟人AI等多项基于AIGC技术的创新产品，收获了用户广泛好评。

以纪录片《中国官箴》为例，芒果TV利用图生视频、视频元素编辑和视频增强等AIGC技术，使得纪录片中的视频内容更加丰富和充满创意，镜头语言更加多元。在《务学》篇中，通过AIGC技术，朱熹的形象得以生动呈现。这些实践展示了AIGC技术在广电内容生产中的巨大潜力，提供了将传统内容与现代技术相结合的有效范例。

AIGC技术原理流程图。

AIGC技术赋能的价值维度。AIGC技术极大地扩展了内容创作的边界。通过将简单的创意描述转化为丰富多彩的视听内容，这种方式为创意表达开辟了新的可能性。以芒果TV青春纪录片《向前奔跑的青春》为例，AIGC技术不仅帮助创作者设想出从地球到月球的创新剧情，还通过塑造“月球建筑师”这一角色，生动地展现了青年对自身未来职业的天马行空的想象。

同时，在《中国官箴》这部历史纪录片中，AIGC技术的应用使得无需实地拍摄便能真实动态地还原历史人物及场景，实现历史与现代的对话。

提升内容生产效率。AIGC技术的应用正在彻底改变广电内容生产的流程。例如，芒果TV在其热门综艺节目《芒果新生班》中，通过开发针对该节目内容的定制AIGC模型，大幅提高了画面风格和人物生成的可控性，将整个生产流程的效率提高了80%以上。此外，在广告素材的制作上，芒果TV利用AIGC技术结合社会热点和产品背景信息，生成出多样化的广告内容。这种方式不仅克服了传统广告制作的局限，而且实现了在一周内的广告素材生产量超越了过去多年的总人工产出；在影视剧类IP开发方面，利用大模型能力，5分钟速读100万字，能精准分析小说故事梗概、戏剧冲突点等，极大提升了内容评估的效率，扩大了内容IP筛选范围。

这些案例充分展示了AIGC技术在提升广电内容生产效率方面的巨大潜力。通过优化生产流程、降低成本，加速市场响应速度，AIGC技术为广电行业带来了革命性的能效提升。

AIGC技术应用中的人机协作模式

人机协作在内容创作领域的应用，特指创作者与人工智能创作系统之间的合作模式。此种合作模式的核心是利用AI承担重复性任务，从而释放人类创作者的创意潜能，专注于文化适应性的调整和创新思维的发展。这样的合作不仅提升了内容创作的效率，还增强了作品的创新性和文化深度。

芒果TV的AIGC内容制作流程图。

芒果TV的内容生产主要流程包括：

意图生成。创作者结合实际生产应用场景，产生新奇创意和创作意图，利用AIGC将创意“变现”，让创意表达得更为完整生动。

创意细化。创作者可根据内容主题选择多种常用或具有特色的风格模型。利用大模型对创意内容解析，生成含有镜号、画面内容、景别、镜头时长、旁白、音效、画面参考图等详细信息的AI分镜脚本。

素材制作。创作者通过输入提示词和分镜参考图作为控制条件，生成细节丰富的分镜图。通过面部、肢体信息和局部控制来驱动模型生成动势更大、动作更加自然的分镜动态视频。通过旁白文案和TTS（文本转语音）技术，生成定制音频内容。

细节调整。AI算法通过人物精细控制、图像分层编辑等技术，确保实体在连续分镜中的一致性；通过局部编辑、角色替换等技术对画面中的元素自由增加、替换和删除。

视频合成与剪辑。AI算法将分镜视频通过不同运镜、转场等完成初步融合，再由创作者使用相关工具对镜头语言、剪辑节奏进行优化和把控，形成最终成品。

成品审核。创作团队联合相关专家对最终成品进行审美、安全及事实审查等，对需要修改的分镜画面进行标注和指导。再经过上述流程得到优化后的成品内容。

细节优化中的人机协作。广电行业内容创作要求水准相较普通内容创作更高，细节的精确性对于增强观众的沉浸感和作品的整体质量至关重要。AIGC生成内容细节常常与历史时代或文化背景不符，如不一致的建筑风格、不适当的道具使用等，需要通过人机协作确保内容的一致性和准确性。

实体一致性调整。确保所有元素在风格和逻辑上与整体保持一致。为此，可以通过给AI输入角色设定、风格参考图等信息，指导AI提升整体协调性，确保人物和场景的风格一致。通过这种人机协作，创作者能够精细控制内容的视觉表现，从而提升最终作品的质量。

局部元素调整。在创作过程中，某些特定元素可能需要根据要求进行调整。创作者需对AIGC生成内容进行二次修改，包括增加、删除、替换或进行风格化处理。AI根据人类指令完成调整或完全由人类借助传统工具完成最终调整，确保每一分镜都符合创作意图和叙事需求，从而保持整体内容的连贯性和观赏性。

针对模型泛化性的人机协作策略。在处理特定历史时期或文化背景的内容时，AI模型由于训练数据集的局限性或文化偏向性，难以准确再现特定朝代的陈设、建筑风格等细节，往往导致生成内容与历史存在偏差。为了克服这些挑战，需要采取综合的人机协作策略，例如，结合原画师的手绘能力和专家团队的深度知识，引导AI模型生成更加准确和符合历史实际的内容细节。

原画师手绘草图。此协作模式中，原画师根据深入的历史场景研究，手动绘制草图丰富细节展现，并作为AI模型的训练材料或直接的参考资料引导模型完善缺失的文化元素和细节。手绘图样成为桥梁，连接了技术的能力与历史的精确性。

专家内容审核。为了确保生成的内容在文化和历史的表达上足够精确，可以组建相关领域的专家团队，负责对AI生成的内容进行严格的审核和指导。

通过上述人机协作方式，可以有效解决AI模型在特定历史和文化场景生成中存在的泛化性问题。技术与人类智慧的协同共同创造出符合历史真实和艺术美学的作品。

人机协作面临的挑战

在技术层面，AIGC技术虽取得显著进展，但其实际应用仍面临多项技术挑战，主要涉及算法成熟度与局限性。

稳定性与可靠性。在复杂或专业场景中，AIGC生成的内容质量波动较大，常见逻辑不连贯和事实不准确问题。

泛化能力。在数据稀缺或多样性低的领域，算法表现不佳，限制了广泛应用。

响应时间与处理效率。尽管大模型推理速度有所提升，但大规模的实时处理场景，如实时翻译和在线内容审核的效率仍需优化。

依赖数据质量。大模型性能高度依赖训练数据质量，数据偏差或不完整性会影响输出质量。常因数据文化单一性或设计者偏见而表现出西方文化倾向。

缺乏理解能力。AIGC主要依赖模式识别，缺乏真正的理解或推理能力，处理复杂逻辑或情感分析时难以达到人类水平。

控制与定制问题。用户对内容的精确控制有限，特定风格或事实性要求高的内容需多次调整。

安全性与可操纵性。可能带来生成虚假信息、侵权和侵犯隐私等风险，且算法可能被恶意利用。

在应用层面，面临不少挑战。

复合型人才储备缺乏。随着AIGC技术的快速发展，广电行业正面临严重的复合型人才缺口。适应新需求的人才不仅须具备技术知识，还应熟悉内容生产的基本逻辑。当前教育体系和人才培养机制未能及时适应需求变化，导致供不应求。根据猎聘大数据研究院和艾媒咨询的报告，2024年一季度AIGC相关职位的需求同比增长321.70%，且91.3%的企业面临人才短缺。

芒果TV AIGC节目内容生产效果图。

为应对这一挑战，广电行业需要加强与高等院校的联动，建立有效的激励机制，吸引更多人才加入团队，要完善人才培养体系，促进内容与新技术人才的复合发展。

内容生产流程面临重塑。广电行业的内容生产流程亟需重塑以适应AIGC技术的集成。传统模式中，创意发展高度依赖人的直觉和经验，而现在，AIGC的数据驱动和算法支持使得创意生成可以更加高效，但这也可能影响内容的深度和多样性。因此，广电行业需要重新考虑其创意团队的工作流程，促进创意人员与技术人员的紧密合作。这种人机协作模式不仅可以充分利用AIGC技术的数据处理能力，还能结合人类的创意思维和审美判断，以生成更符合人类情感和文化细微差别的内容。通过这样的内部协作和流程重构，实现技术的“软着陆”。

版权争议与监管挑战。AIGC应用面临的主要挑战之一是版权争议和内容监管问题。在模型训练过程中，使用的源数据可能涉及侵犯内容创作者的版权，尤其是当AI使用未经授权的数据创作时，这种情况若未得到有效管理，可能会阻碍AIGC技术的健康发展。虽然已有如《生成式人工智能服务管理暂行办法》等规章制度规范内容的来源和使用者身份，确保生成内容的真实性和安全性，但这些措施也可能限制AIGC的广泛应用和用户体验。因此，如何在保护版权和促进技术发展之间找到平衡，仍是一个待解决的关键问题。

AIGC技术深入发展应用的建议

技术迭代与人机协同创新。随着AIGC技术的不断进化，广电行业应用这一技术的方式也在发生变革。技术的迭代不仅提高了内容生成的效率，还拓展了创作的边界，使得个性化和定制化内容成为可能。未来，AIGC技术将进一步优化算法，提升生成内容的质量和适应性。关键的进步将在于加强人机协同，通过高效的协作模式实现更加丰富和深入的内容创作，从而更好地满足用户需求和市场趋势。

组织结构调整与技术融合。为了适应AIGC技术的集成，广电机构需要进行组织结构调整，促进不同部门间的合作，增强团队对新技术的适应性和创新能力。这包括从组织架构的重构到人才培养策略的更新，确保技术与创意的有效结合。传统的内容生产流程也需重新设计，以便更好地利用AIGC技术。

人机协作的深化与优化。广电行业深化人机协作模式，可通过以下几个策略来实现：

协作工具与平台开发。开发专为广电内容生产定制的AIGC工具和平台，这些工具应支持创意团队与AI系统之间的无缝协作，提高创作效率和内容质量。这些平台应具备高度的灵活性和可定制性，以适应不同类型的内容需求和创作风格。

培训与教育。加强对从业人员的AIGC技术培训，确保技术人员和内容创作者都能熟练使用这些新工具。此外，联合教育机构开设面向广电行业，增设AIGC技术应用、跨媒体内容制作等专业课程，培养未来的复合型人才。

伦理与监管。在人机协作过程中，加强对算法伦理和内容监管的关注，确保通过AIGC技术生产的内容既符合高质量标准，又遵循道德和法律规定。建议设立专门的伦理审查团队，监控内容生成过程，防止生成不当或有害内容。

结 论

本文探讨了AIGC技术在广电行业内容生产中的多重应用，展示了其在提升创作创意和效率方面的显著潜力。通过人机协作，AIGC技术不仅优化了传统的制作流程，还拓展了创作的边界，使得内容创作更加高效、多元。尽管AIGC技术存在算法成熟度不足、专业人才短缺以及版权与伦理问题等挑战，但广电行业可以通过多种策略应对这些问题，包括加强培养复合型人才，建立专门的人机协作创作平台，以及调整内部组织结构等以更好地融合新技术。

为确保AIGC技术的健康发展，行业需建立完善的法规体系和伦理指导，制定明确的版权归属规则和建立伦理审查机制。通过这些努力，AIGC技术有望在广电行业中发挥更大的作用，推动内容制作向更高的质量和效率迈进。

原文刊发于《新闻战线》11月（下）。

责任编辑：杨芳秀

新媒体编辑：曹雅芳

2025年度《新闻战线》杂志订阅工作已经开始，敬请点击下载2025年新闻战线订阅单.docx 进行填写，填好后回传至本刊发行部邮箱：xw@people.cn。

来源：人民日报党媒平台