人工智能助推視聽產業創新發展

牛祿青

當前，視聽產業正面臨制造大升級、應用大升級和消費大升級的良好發展機遇；同時，也面臨消費者過度聚焦小屏、遠離大屏的困境，以及由此帶來的大屏更新換代周期過長、超齡服役等問題。

解決這個問題要從滿足“人民日益增長的美好生活需要”出發，主動打破“低質低價低效”的惡性循環，通過落實供給側改革，加快人工智能、4K超高清和環繞立體聲技術的普及，并盡快補齊4K內容的短板，吸引用戶重新回流客廳。

視聽產業是電子信息產業的“火車頭”，通過國家產業政策的支持和市場主體的創新競爭，通過產業鏈上下游協同努力，中國有望從視聽產業制造大國、消費大國，發展為技術創新強國和品牌服務強國。

事件

國內首款視聽機器人誕生

2017年12月12日，由海美迪、騰訊云小微、騰訊視頻、哈曼卡頓、海思共同打造的中國智慧家庭領域首個視聽機器人正式面世。作為在各自領域占有舉足輕重地位的巨擘，將各自在人工智能領域探索的技術融合到了視聽機器人身上，它所蘊含的諸多功能突破了用戶對于人工智能產品的固有印象。

海美迪視聽機器人完整接入騰訊云小微智能語音服務平臺，陪護老人、陪伴兒童、娛樂家庭等功能一應俱全，是一名正兒八經的家庭智能語音小助手。騰訊云小微負責人毛華表示，作為騰訊云全力打造的智能服務開放平臺，騰訊云小微可以讓硬件快速具備聽覺、視覺感知能力。同時，小微的Skill內容生態將賦予硬件更多的能力擴展，如娛樂、物聯、助手等，從而構建一個從云到端的“智能云生態”。

從功能上看，海美迪視聽機器人集攝像頭、音箱、機頂盒于一體，涵蓋了視頻通話、家庭看護、超高清4k播放、智能音箱、家庭物聯中控的功能，這種新型產品形態在國內還是第一次出現。

此外，海美迪視聽機器人集成海思Hi3798高級多媒體處理芯片方案以及哈曼卡頓音效。海思全4K芯片解決方案，以高效的運行效率和開放的開發接口能力，為視聽機器人帶來極佳的語音識別速度和優秀的音頻處理效果。同時，海美迪視聽機器人支持4K HDR高動態范圍技術，運算速率達到15000DMIPS，為用戶提供超凡4K畫質。每一種類型的電影大片，視聽機器人都能帶給用戶身臨其境的觀影體驗。在音效方面，由哈曼卡頓專業團隊根據箱體特性量身定做五大揚聲器單元，采用美國德州儀器原廠功放。在同類產品中，視聽機器人的音箱容積最大、低音最強。

海美迪視聽機器人也有一雙靈敏的耳朵，采用科勝訊經典雙麥克風陣列，結合專業硬件DSP音頻處理系統，抗干擾和靈敏度極高。5M半徑精準拾音范圍，用戶可在客廳的任意角度，語音指揮這個小助手。

在內容上，視聽機器人搭載騰訊云小微智能語音服務平臺，同時內容上齊集騰訊視頻、QQ音樂、企鵝FM等海量音視頻資源。不僅能與用戶進行全方面的交互體驗，還能夠擔任全能家庭語音助手，實現遠場語音點播影視、點播音樂、視頻通話、智能看護、生活助手、物聯家電等多種功能。

想看電視劇、電影大片、娛樂節目、少兒節目，不需要拿著遙控器搜索尋找了，那樣太麻煩。現在，將海美迪視聽機器人連接電視，坐在沙發上，只需說一句：“你好小微，我想看人民的名義”，電視屏幕立刻就跳到播放畫面，并且能夠直接跳到上一次觀看的那一集、那一段，斷點續播就這么方便！這種追劇體驗是不是很神奇？

寶寶在房間里睡覺了，年輕媽媽忙里偷閑想追個劇，又擔心寶寶會踢被子，一定要帶個ipad守在孩子身邊嗎？NO！放心坐在客廳里追劇吧，只要對視聽機器人說：“你好小微，打開寶寶看護攝像頭。”在追劇的同時就能小窗口實時觀看寶寶的睡態。

年邁的父母遠在家鄉，想看孫子，又不會用智能手機，怎么辦？海美迪視聽機器人同時也是一臺視頻通話機。無需下載輔助軟件，也不需要購買兩臺相同的設備，通過海美迪視聽機器人，家里的電視大屏就可以直連手機QQ。以后父母想看孫子了，直接說：“你好小微，給兒子打電話”，即刻就能通過電視與孩子視頻。視聽機器人的攝像頭有大廣角鏡頭，客廳情況一覽無余。寶寶可以一邊在客廳玩耍，一邊跟奶奶或媽媽撒嬌聊天。

忙碌了一天，晚上回到家中，很累，就對海美迪視聽機器人訴說吧。無論是“你好小微，心情不好來首歌”，還是“你好小微，放我喜歡的歌”，它都能投其所好，為每一位用戶推送適合的音樂。海美迪視聽機器人內置QQ音樂，1700萬正版音樂曲庫任你點播，隨心操縱，想聽的流行樂、輕音樂、古風、英語、粵語應有盡有，享受高品質正版音樂，聽你想聽的歌。

個性電臺、有聲讀物、聽新聞、查天氣、英語翻譯、鬧鐘提醒、趣味聊天等功能一應俱全。海美迪視聽機器人身上還有許多可以幫助孩子們學習的少兒應用。視聽機器人可以為孩子講述繪聲繪色的童話故事，借助騰訊云小微百科，海美迪視聽機器人還能為孩子們解答生活中的各種百科問題。

背景

人工智能風口下的視聽產業

2017年7月，國務院印發《新一代人工智能發展規劃》（以下簡稱《規劃》），這是首部國家層面的人工智能發展規劃。《規劃》明確了中國新一代人工智能發展的戰略目標：到2020年，人工智能總體技術和應用與世界先進水平同步，人工智能產業成為新的重要經濟增長點，人工智能技術應用成為改善民生的新途徑，有力支撐進入創新型國家行列和實現全面建成小康社會的奮斗目標。

到2025年，人工智能基礎理論實現重大突破，部分技術與應用達到世界領先水平，人工智能成為中國產業升級和經濟轉型的主要動力，智能社會建設取得積極進展。

到2030年，人工智能理論、技術與應用總體達到世界領先水平，成為世界主要人工智能創新中心，智能經濟、智能社會取得明顯成效，為躋身創新型國家前列和經濟強國奠定重要基礎。

當前，新一代人工智能正進入產業化應用階段，智能家居并呈加速發展態勢。2017年OTT大屏智能終端在家庭的覆蓋率達到45%，據預測在2020年大屏智能終端的覆蓋率將達到72%，終端數量將突破4億，為家庭互聯網時代帶來扎實的基礎。

科技部戰略研究院副研究員李修全在2017（第十三屆）中國音視頻產業技術與應用趨勢論壇（AVF）論壇上表示，人工智能具有高度交叉的技術和產業屬性，將與各技術領域深度融合。通過培育發展人工智能新興產業，促進產業智能化升級，將為我國經濟發展注入新動能，開拓出新的廣闊的經濟增長空間。

在AVF論壇上，廠商以人工智能、認知計算等新技術運用為支撐，提升語音操控技術，讓交互變得更加智能。隨著語音搜索、自動推薦及視覺圖像識別等技術的應用，人工智能與家庭終端設備的結合也日漸普及。

TCL發布的人工智能電視新品，圍繞著更加“懂你”的科技變革，電視在智能化和人性化方面不斷提升，以至于現階段智能電視賣點都聚焦在人機交互、語音識別、智能互聯等功能上，進入以人工智能電視為核心賣點的新階段。TCL多媒體產品中心X線產品總經理卜海峰表示，目前整機廠商所使用的底層AI技術不盡相同，因此企業需要做的，是根據使用場景來進行調度，實現用戶的差異化體驗。

自2016年長虹推出全球首款人工智能電視后，長虹智能轉型也步入人工智能新階段。作為全球首款聲紋識別人工智能電視，長虹Q5K應用國際前沿的I-vector技術為聲紋建模，識別率超過90%。長虹Q5K采用集成式陣列麥克風，實現5米范圍內的遠場語音采集，通過13萬個語義關鍵詞詞條，實現角色搜片、精準糾錯等模糊搜片，為用戶提供更流程的交互體驗。

隨著家庭視頻、游戲、社交服務的快速增長，對于電視直播視頻的解決方案以及視頻內容的分發能力提出了更高的要求。早在2016年，Yi+就針對這一難題給出了解決方案，基于對圖片視頻圖像識別、大數據、用戶畫像等信息獲取、學習與分析，為用戶提供更具人性化與個性化內容推薦等擴展內容的一系列定制化增值服務——大屏AI助理，取得了較多的成果轉化和商業運用，成功吸引如阿里、華數等眾多視頻平臺和廣電、OTT市場等深度合作，服務了海量用戶。

2017年12月1日，在第五屆全國網絡視聽大會短視頻高峰論壇上，阿里大文娛集團聯合阿里巴巴達摩院共同發布了鯨觀全鏈路數字版權服務平臺。

據悉，鯨觀平臺將為視頻行業提供全鏈路數字版權服務，這也是達摩院技術首次在文娛行業落地的成果。未來，鯨觀將在視頻智能編目、版權保護和商業變現等各個環節上，盤活行業存量并創造行業增量。

阿里大文娛移動事業群輪值總裁黃浩表示，短視頻全球化的風口非常迫切，將是中國企業與全球玩家的競爭。但是，在短視頻行業增長迅猛的同時，也存在一系列瓶頸待解，如產能不匹配、盜版嚴重、商業模式單一等。

而鯨觀平臺搭載的達摩院iDST（數據科學技術研究院）人工智能技術，實現了視頻智能編輯，通過對視頻內容各個維度的分析，打上兩萬余種標簽，同時利用知識圖譜對標簽進行多維度編目。有了標簽，視頻素材就容易被檢索。這樣一來，數億行業閑置的視頻資源將被重新激活，實現二次甚至多次使用價值。

智能編輯在打標的同時，還會在音視頻素材上抽取“指紋”，讓音視頻素材在全網范圍可追溯，且實現毫秒級速度支持百億級指紋檢索，侵權盜版無處可逃。音視頻指紋技術不僅大大降低了視頻版權監控取證的成本，還可被用于廣告分成等多種業務場景，助力宣發。

據阿里巴巴達摩院iDST首席科學家和副院長任小楓介紹，目前，5分鐘時長的視頻經過上述全鏈路處理可在10秒內完成。基于達摩院技術，鯨觀未來還將在視頻AI上進一步發展，實現視頻素材通過創作交互平臺快速智能生成新內容。

焦點

內容安全是視聽產業首要挑戰

近年來，網絡視聽技術迅速發展壯大，廣播電視媒體與互聯網新興媒體融合發展，經過多年探索和實踐，虛擬現實、大數據、人工智能等新技術正驅動網絡視聽行業深刻變化、快速發展，確立差異化市場地位的同時，滿足了廣大人民多元化的精神文化需求。但是，網絡視聽行業目前也存在一些突出的問題：淫穢色情現象、網絡暴力、網絡謠言、侵犯公民個人隱私等迫切需要各方通力協作來解決。

當下，安全播控內容審核的范圍擴展到文字、語音、圖片、視頻、直播等，幾乎覆蓋了移動互聯網時代的所有產品。一個顯著的特征就是人工智能在內容審核領域的應用。

視聽行業聚集了大量的內容和用戶，特別是具有實時互動特點的直播、短視頻、在線音視頻，安全問題是繞不過去的一個坎兒。沒有信息內容、用戶數據的安全保障，良好的互動和用戶體驗也就無從談起。

網易云副總經理周森指出，視聽產品在研發中通常會遇到3個挑戰：一是成本方面，研發很貴，網絡帶寬很貴，在內容安全上的投入也很大，成本很高；二是交互方的需求多樣化，產品要快速迭代升級，對技術要求高；三是在呈現效果上，畫面要流暢，交互體驗要好，內容安全保障要好。這都有賴于通過結合人工智能、大數據、云計算等相關技術去實現。

據網易杭州研究院執行院長汪源介紹，在內容安全領域，網易云做了非常多的防護措施，比如文本的識別、圖像的鑒黃、視頻的過濾、暴恐信息的識別等，同時最大化地保護用戶隱私。“用戶數據在網易里是沒有任何一個人能夠獲取的，即便基于我們業務的需要訪問用戶數據，也需要經過多個部門的多重加密解密，以防范任何情況下出現問題。”

網易云針對視聽行業的技術性解決方案，除了在互動功能層面提供直播、點播、聊天室、在線音視頻技術外，重中之重是依托強大的云計算基礎設施，借助人工智能過濾有害信息，保障內容安全。

“網易云在視聽內容安全方面提供了非常豐富的場景，包括新聞內容、聊天室、評論、直播、彈幕、短信、簽名等，利用網易運營團隊和內容安全、審核團隊的專業審核標準和分控體系，我們將有害信息分成八大類20多個場景，并重點研發了人工電視墻系統。”周森說。該系統針對以往通過截圖審核難以識別一些違法違規場景的問題，增加了人工智能識別技術，可對有嫌疑的直播間進行智能排序。“一旦識別出來將對這些直播間重點標注，以便審核人員重點關注，發現違規行為馬上進行處罰。”

以秒拍、小咖秀、一直播三款熱門產品在移動視頻領域形成產品矩陣生態的一下科技，與網易云合作正是看中了其20多年的運營經驗及海量數據。一下科技總裁陳太鋒表示，反垃圾、有害信息是一個不斷抗衡的過程，目前一下科技已建立了近800多人的團隊，視頻方面也建立了自己的AI團隊，通過視頻識別、視頻指紋等方式對色情暴恐等內容進行實時監管。“一下科技采取這樣的方式包括實行最嚴格的實名認證體系，就是希望把真正有價值的內容留下來。”

圖普也是一家基于深度學習技術、多維度解讀圖片和視頻信息、將圖像識別技術應用于企服務領域的公司。“鑒黃”是圖普最為人熟知的標簽，即通過對海量圖片、視頻的分析學習后，代替人工自動審核色情內容，這可以為企業節省巨額成本。

在電視內容審核方面，Yi+是國內首家應用人工智能技術實現電視、OTT視覺識別交互的公司，2017年同中信國安廣視達成合作，Yi+成為國內第一家實現毫秒級完成實時視頻直播內容識別的公司。Yi+視頻圖像分析識別是基于人工智能計算機視覺技術，對媒資庫內選定視頻“黃”“暴”特定信息自動進行識別，生成標注信息供安播團隊篩選；特別標注“露點”“血腥”鏡頭；對特定敏感人物（如恐怖分子頭目）在毫秒級中快速自動識別，供安播團隊篩選。

比如當兒童獨自觀看視頻時，電視機鏡頭識別兒童后，開啟“安全播控”模式，自動屏蔽黃暴內容；在此基礎上，基于識別不同年齡層的人群會推薦相關內容，當識別到兒童之后，電視會推送動畫或者兒童教學相關的內容，家長可以通過語音/體感喚起AI助理幫助識別場景相關內容介紹。

啟示

人工智能為視聽產業帶來新動能

人工智能作為新一輪產業變革的核心驅動力，將進一步釋放歷次科技革命和產業變革積蓄的巨大能量，并創造新的強大引擎，重構生產、分配、交換、消費等經濟活動各環節，催生新技術、新產品、新產業、新業態、新模式，引發經濟結構重大變革，深刻改變人類生產生活方式和思維模式，實現社會生產力的整體躍升。

愛奇藝創始人、CEO龔宇表示，人工智能技術的崛起，將在未來對流量、收視或者票房預測、內容審核、廣告投放等視聽領域多方面產生重要影響。同時，在新使命方面，龔宇強調，用符合主流價值觀的網絡原創作品滿足人民日益增長的美好生活需要，是視聽行業未來非常重要的使命和任務，并認為，優秀人才、加大投入和突破性的創新力三大要素，會成為加快視聽行業完成使命的關鍵。

比如流量、收視或者票房預測對創作階段有非常重要的現實意義。指紋植入視聽作品，在防止盜版、追查盜版、排除重復性的視頻等方面，可以大幅提高工作效率。再比如審核，按照國家的法律法規，有些內容是不能向公眾傳播的，互聯網的海量信息對于人工審核來講，整合起來不但成本高，更大的麻煩是準確率很差，會丟掉一些不應該放棄的內容。通過人臉識別、情景識別等辦法可以幫助管理者提高審核的效率和準確率。還有剪輯、縮略圖、標簽標注等方面，都能提高準確率和效率。

大數據標簽主要用于短視頻和直播平臺，系統會通過對海量的標注過的數據的學習，根據主播的行為、場景、人物風格、年齡、性別等，自動為當前直播建立標簽。例如，一個喜歡做嘟嘴表情的年輕女孩，會有很大可能被打上“萌妹子”的標簽。而通過對人工標注的系統的學習，人工智能甚至可以判斷主播的顏值。

通過應用人工智能技術，分發和播放可以實現個性化推薦，廣告可以實現精準投放、情景化投放。對于做視頻推薦來說，這些基本符合主流審美標準的標簽已經足夠了：新用戶注冊后，直播平臺可以根據該用戶選擇關注的標簽，在他的首頁呈現相應的直播；直播平臺還可以根據顏值和熱門等綜合因素，在首頁推薦直播內容；另外，當用戶關注的主播不在線時，系統還可以推薦一些和他關注的直播類型相似的主播。

此外，用戶可以直接根據標簽去搜索。例如用戶喜歡唱歌的、場景在KTV里的直播，都可以根據相應標簽搜索。圖普科技CEO李明強表示，僅這個推薦功能，應用比較好的平臺，可以使新用戶的留存增加一倍以上；對老用戶，也能使其停留時長至少增加30%～40%。對短視頻和直播平臺來說，留存增加意味著用戶體驗的提升，更重要的是，廣告、打賞等收入會得到顯著提升。如果說之前的內容審核是節約人力成本，為企業省錢的話，視頻推薦則是實打實地幫企業賺錢。

在新時代背景下，視頻化是大勢所趨，網絡視頻也不再是單純的內容生產與傳播，而更是一種融合各產業的媒介與渠道。在第五屆中國網絡視聽大會上，從VR、AI、無人機到智能設備的視頻連接，視頻+電商、視頻+投資、視頻+教育、視頻+大數據、視頻+云服務等，無一不預示著“智慧視聽”將在未來經濟社會中發揮著重要角色。