AI視域下圖書館視聽資源智慧化加工的探索

張煒?季士妍

摘 要 新技術(shù)環(huán)境下網(wǎng)絡(luò)視聽服務(wù)蓬勃興起，深刻影響和推動公共文化服務(wù)行業(yè)的變革與發(fā)展。視聽資源是圖書館立體館藏資源體系的重要組成部分，與圖書館傳統(tǒng)的平面化文獻資源相比，其立體化的資源呈現(xiàn)形式更具感染力、親和力和傳播力。論文探討人工智能技術(shù)在圖書館視聽資源的應(yīng)用場景、實現(xiàn)功能，特別對人工智能技術(shù)在視聽資源內(nèi)容自動化識別、知識內(nèi)容發(fā)現(xiàn)、知識體系構(gòu)建、知識關(guān)聯(lián)服務(wù)等方面的探索與應(yīng)用進行了探討，以期為其他機構(gòu)在拓展智慧圖書館多維服務(wù)領(lǐng)域上開辟新的應(yīng)用范圍提供思路與參考。

關(guān)鍵詞 人工智能；視聽資源；智慧化建設(shè)；知識圖譜

分類號 G255.73

DOI 10.16810/j.cnki.1672-514X.2024.03.008

Exploration of Intelligent Processing of Library Audiovisual Resources in AI Perspective

Zhang Wei， Ji Shiyan

Abstract In the new technological environment， online audiovisual services are booming， which are profoundly affecting and driving the change and development of the public cultural services sector. As an important part of the librarys three-dimensional collection resource system， audiovisual resources are different from the librarys traditional documentary resources. Audiovisual resources have a three-dimensional form of resource presentation， more infectious， affinity and dissemination. This paper discusses the application scenarios and realized functions of AI technology in library audiovisual resources. In particular， this paper discusses the exploration and application of AI technology in the automated identification of audiovisual resource content， knowledge content discovery， knowledge system construction， and knowledge association service. It is hoped that the research in this paper will provide ideas and references for other organizations that will open up a new range of applications in expanding the field of multidimensional services in smart libraries.

Keywords Artificial intelligence（AI）. Audiovisual resources. Intelligence building. Knowledge graphs.

0 引言

為發(fā)揮人工智能技術(shù)在數(shù)字中國戰(zhàn)略中的重要作用，自2016年起我國就相繼出臺了《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》[1]《新一代人工智能發(fā)展規(guī)劃》[2]等一系列國家政策，部署構(gòu)筑我國人工智能發(fā)展的先發(fā)優(yōu)勢，并為2030年我國新一代人工智能發(fā)展指明了指導(dǎo)思想、戰(zhàn)略目標(biāo)、重點任務(wù)和保障措施 [3]。2020年國家圖書館提出建設(shè)“全國智慧圖書館體系”的總體思路，2021年文化和旅游部發(fā)布《“十四五”公共文化服務(wù)體系建設(shè)規(guī)劃》明確了智慧圖書館的建設(shè)中要加強5G、區(qū)塊鏈、云計算、VR/AR/MR、物聯(lián)網(wǎng)、人工智能等高新技術(shù)的應(yīng)用，不斷創(chuàng)新公共文化服務(wù)的應(yīng)用場景，著力推動公共文化數(shù)字化建設(shè)[4]。國家相關(guān)政策出臺和行業(yè)的整體要求，為圖書館借助人工智能技術(shù)開展智慧化、智能化應(yīng)用研究和實踐提供了堅實的政策保障。與此同時，人工智能技術(shù)的理論和技術(shù)日益成熟，已經(jīng)在眾多行業(yè)中有較為成熟的探索、應(yīng)用與實踐。ChatGPT和Gemini的相繼發(fā)布將AI的應(yīng)用推廣到大眾視野中，阿里云的“通義千問”、百度“文心一言”、科大訊飛“訊飛星火”、字節(jié)科技“字節(jié)豆包”等，為國內(nèi)AI技術(shù)的發(fā)展與應(yīng)用提供了廣闊的前景。隨著智慧圖書館建設(shè)的如火如荼，人工智能技術(shù)在圖書館的應(yīng)用將會越來越適配和成熟。

視聽資源是文化資源的重要組成部分，也是人們學(xué)習(xí)和娛樂的重要媒介，其借助聲音和影像技術(shù)增強文化的表現(xiàn)力，極大地提高了文化內(nèi)容的感染力和吸引力，能更好地提升受眾的感官體驗，進而滿足現(xiàn)代人群對文化娛樂的需要[5]。現(xiàn)代公共文化服務(wù)已逐步與人工智能技術(shù)進行初步結(jié)合，數(shù)字內(nèi)容的生產(chǎn)、傳播和服務(wù)機制正在發(fā)生重大變化，用戶需求也朝著多元化、微型化、碎片化、知識化、虛擬化方向發(fā)展。在這種背景下，傳統(tǒng)的單一的視頻播放形式已不能滿足新環(huán)境下的服務(wù)需求，而基于人工智能的數(shù)據(jù)挖掘、自然語言處理和自學(xué)習(xí)技術(shù)等信息分析和抽取手段，不僅能夠面向資源揭示深層次的內(nèi)容特征，分析實體單元內(nèi)部蘊含的語義以及實體間關(guān)聯(lián)展開數(shù)據(jù)處理，將本體、關(guān)聯(lián)數(shù)據(jù)、語義聚合、知識圖譜等動態(tài)關(guān)聯(lián)和組織“知識碎片”，又能消除多元異構(gòu)數(shù)據(jù)差異，滿足多元智慧化的知識需求和服務(wù)，必將成為圖書館在新環(huán)境下提供知識表達和知識服務(wù)的新方向和思路。

1 國內(nèi)外圖書館相關(guān)研究及實踐進展

圖書館是大眾獲取知識信息和社會教育的重要陣地，越來越多的公共圖書館開始重視利用和深度發(fā)掘館藏視聽資源，從視聽資源的數(shù)據(jù)描述和數(shù)據(jù)管理層面，從視聽資源與其他多種類型資源的多元異構(gòu)數(shù)據(jù)描述和知識邏輯建立層面，均有一定的探索與實踐。在視聽資源的數(shù)據(jù)描述和管理方面，Europeana作為歐洲國家圖書館的數(shù)字資源門戶，聚合了來自歐洲圖書館和文化機構(gòu)的關(guān)于包括視聽資源在內(nèi)等多種圖書館對象的各種形式元數(shù)據(jù)[6]。針對數(shù)字視頻的大型項目《視頻開發(fā)計劃應(yīng)用綱要》（Video Development Initiative Application Profile），制定了《基于都柏林核心元數(shù)據(jù)集構(gòu)建數(shù)字視音頻資源的元數(shù)據(jù)應(yīng)用綱要》（Guide：Dublin Core Application Profile for Digital Video），為數(shù)字視音頻資源的描述和管理提供統(tǒng)一的規(guī)則與定義。一些國際合作的項目，如聯(lián)邦機構(gòu)數(shù)字化指南倡議、國際多媒體數(shù)字圖書館工程等對數(shù)字視音頻資源數(shù)據(jù)的描述和管理較為重視。2017年《聯(lián)邦機構(gòu)數(shù)字指南倡議》（Federal Agencies Digital Guidelines Initiative）將原生性數(shù)字圖像和數(shù)字影音資源均納入項目范圍，并為廣播WAVE文件、數(shù)字靜態(tài)圖像等制定內(nèi)嵌元數(shù)據(jù)指南，開發(fā)了BWF MetaEdit等工具方便用戶使用?；谠獢?shù)據(jù)的統(tǒng)一管理，不同機構(gòu)也開展了集成數(shù)字視音頻資源的知識化建設(shè)和服務(wù)。國家圖書館的戰(zhàn)“疫”記憶庫項目就利用算法、本體等對包括紀錄片、電影、公開課、網(wǎng)絡(luò)多媒體資源等多類型異構(gòu)數(shù)據(jù)進行規(guī)范化清洗和語義標(biāo)注，融合多維實體及關(guān)系，建立了與圖書館其他館藏、外購數(shù)據(jù)庫、開放數(shù)據(jù)集等的鏈接。上海圖書館搭建基于BIBFRAME本體設(shè)計的數(shù)字人文開放數(shù)據(jù)平臺，以關(guān)聯(lián)數(shù)據(jù)方式公開發(fā)布老電影庫、基礎(chǔ)知識庫以及本體詞表。2023年，國家圖書館聯(lián)合北京大學(xué)、字節(jié)跳動數(shù)字人文開放實驗室，開發(fā)了永樂大典高清影像數(shù)據(jù)庫，對部分內(nèi)容進行知識標(biāo)引，推出國家珍貴古籍名錄知識庫服務(wù)，以多維度知識圖譜等可視化形式，為用戶提供前所未有的典籍文化體驗[7]。

在應(yīng)用服務(wù)方面，通過AI推動視聽服務(wù)模式的根本變革，全面加強文化服務(wù)的新鮮感和體驗感，進而共創(chuàng)協(xié)同發(fā)展的富媒體文化生態(tài)，是當(dāng)前圖書館界的普遍共識。美國加州大學(xué)Fresno分校圖書館的Marianne對美國流媒體服務(wù)情況進行了深入分析后指出，疫情期間受到場所封閉的影響，在線流媒體服務(wù)以其多樣性和開放性得到快速發(fā)展，與此同時，相關(guān)研究論文和流媒體資源庫建設(shè)數(shù)量也大幅增長，并對流媒體服務(wù)趨勢進行了評判。美國埃默里亨利學(xué)院的Adam和Jody對基于短視頻社交網(wǎng)絡(luò)媒體平臺的服務(wù)進行了研究，并以TikTok為例，對學(xué)術(shù)圖書館文化服務(wù)模式、用戶互動機制、資源主題和效益評價進行了論述。印度沃森大學(xué)商學(xué)院的Samala等對基于OTT的視頻流媒體文化服務(wù)模式進行研究，并對用戶文化消費需求和影響文化服務(wù)效益的因素進行了評估。

隨著網(wǎng)絡(luò)視聽服務(wù)產(chǎn)業(yè)的快速發(fā)展，公共文化機構(gòu)開始借助融媒體和智能化手段創(chuàng)新服務(wù)模式，擴大文化影響力。眾多公共文化機構(gòu)借助社交視聽網(wǎng)站、網(wǎng)絡(luò)音視頻平臺等打造在線視聽服務(wù)，不僅在內(nèi)容的選擇和整合方面發(fā)揮著重要作用，還積極與創(chuàng)作者緊密合作，為其提供資源和輔助支持，深入?yún)⑴c到優(yōu)質(zhì)內(nèi)容創(chuàng)作中，通過活動、訪問、互動等形式推廣并提供優(yōu)質(zhì)服務(wù)。智能設(shè)備的普及為文化視聽服務(wù)的創(chuàng)新提供了新的契機，我國已有二十多家省級公共圖書館開展基于App的移動視頻服務(wù)和互聯(lián)網(wǎng)電視服務(wù)。此外，虛擬現(xiàn)實等技術(shù)也逐漸被業(yè)界重視，公共文化機構(gòu)也逐漸將虛擬現(xiàn)實技術(shù)應(yīng)用于文化視聽服務(wù)、虛擬展覽、虛擬演出等服務(wù)中，提供更加生動、互動和多樣化的觀看體驗。

國內(nèi)一些公共圖書館已經(jīng)開始利用人工智能技術(shù)進一步開展視聽資源內(nèi)容的智能化組織和生成、知識發(fā)現(xiàn)和應(yīng)用服務(wù)的探索與實踐，范圍包括自動化的內(nèi)容分類和標(biāo)注、智能化的搜索和推薦等。但是，人工智能技術(shù)在視聽資源建設(shè)領(lǐng)域的應(yīng)用仍面臨一些挑戰(zhàn)和不足，例如：目前已有的算法模型對于獲取高質(zhì)量的知識發(fā)現(xiàn)結(jié)果還存在差距；智能化的個性推薦與用戶興趣和需求的精準(zhǔn)性和多樣性匹配還存在差距；在智能化的內(nèi)容組織和服務(wù)中，版權(quán)保護的手段單一或被忽視。因此，已有的經(jīng)驗和實踐基本停留在一個較為初級的淺層次的階段，未見有體系化和模式化的深層次實踐和應(yīng)用成果。

2 AI助力下圖書館在視聽資源智慧化加工方式和服務(wù)模式的探索

隨著網(wǎng)絡(luò)通訊技術(shù)的發(fā)展，人們的閱讀和學(xué)習(xí)方式發(fā)生了根本改變，對知識化服務(wù)的需求越來越突出。圖書館利用人工智能技術(shù)提升視聽資源內(nèi)容的自動化解析效率和正確率，挖掘視聽資源內(nèi)在的知識架構(gòu)、合理構(gòu)建較為完善的領(lǐng)域知識體系，是當(dāng)前從業(yè)人員較為關(guān)注并付諸研究和行動的方向。筆者以國家圖書館在視聽資源加工智慧化進程中的研究與實踐為例，從AI技術(shù)應(yīng)用于視聽資源的自動化識別、視聽資源知識化挖掘和知識圖譜構(gòu)建等角度分別進行探討。

2.1 將AI語音識別技術(shù)應(yīng)用于視聽資源的自動化識別

以往圖書館對其所制作的視聽類資源均采用人工輔助識別的方式實現(xiàn)字幕文字的生產(chǎn)和管理，尤其在學(xué)術(shù)性、專業(yè)性較強，或者主講老師口音較重的情況下，需要投入大量的人力、時間成本，才能保障視頻資源的字幕的正確性。國家圖書館在公開課智慧化加工建設(shè)中，嘗試在AI技術(shù)助力下采用語音識別、自然語言處理等技術(shù)，對公開課講座視頻內(nèi)容進行自動的語音識別操作，實現(xiàn)視音頻資源的文字化表示，最終生成符合視音頻資源數(shù)字化建設(shè)通用格式的字幕文件（SRT文件）。在公開課視頻資源的語音識別實現(xiàn)上，充分使用自動語音識別技術(shù)（Automatic Speech Recognition），匹配音頻分割、文本識別、自然語言理解及文本后處理等一系列算法的結(jié)合，實現(xiàn)了初始語音識別正確率達到90%。國圖公開課在內(nèi)容上偏重人文、社科類的知識性講解，存在較大比例的專業(yè)名詞和專有知識，相較于普通的語音識別算法來說，初始識別正確率并不理想，因此在公開課智慧化加工建設(shè)中，將自學(xué)習(xí)的算法添加到語音識別的業(yè)務(wù)流程中，輔助以人工審核、反饋、自學(xué)習(xí)的處理流程，最終實現(xiàn)了自動語音識別的正確性達到99.7%。

2.2 以混合機器學(xué)習(xí)多種算法實現(xiàn)視聽資源的知識發(fā)現(xiàn)與構(gòu)建

圖書館的公開課視聽資源包含大量的知識性內(nèi)容，為了較為準(zhǔn)確、完整地挖掘出公開課的顯性及隱含的知識，公開課智慧化加工建設(shè)中引用多個機器算法，通過算法相互結(jié)合、深度機器學(xué)習(xí)等技術(shù)，采用程序處理與專家人工審核相配合的模式，以人工反饋增強算法學(xué)習(xí)的能力螺旋上升的方式，逐步建設(shè)完成一個圖書館公開課領(lǐng)域的知識建設(shè)算法集。在知識內(nèi)容發(fā)現(xiàn)的功能實現(xiàn)上，使用基于深度神經(jīng)網(wǎng)絡(luò)模型 BERT + CRF 算法實現(xiàn)知識實體自動識別。根據(jù)公開課的內(nèi)容，算法首先分析出核心知識點，并按照實體類型不同，自動提取出人物、機構(gòu)、事件、地理、作品、自然實物共計六大類的知識實體，并完成實體的分類管理。在實體識別的同時，算法也通過分析講座內(nèi)容、結(jié)合實體類別，自動提取出該實體多個屬性進行屬性填充。在自動實體識別和屬性構(gòu)建的基礎(chǔ)上，公開課智慧化加工建設(shè)還針對視頻內(nèi)容做了進一步的自然語言理解和算法控制，通過算法計算出與知識實體有較緊密知識關(guān)系的視頻內(nèi)容片段，并且自動標(biāo)注出知識內(nèi)容片段的時間節(jié)點。在該算法的實現(xiàn)上，采用了“深度神經(jīng)網(wǎng)絡(luò)進行監(jiān)督學(xué)習(xí)，實體間信息使用信息概要抽取到隱層網(wǎng)絡(luò)進行表達，以分類方法對關(guān)系類型進行確定”的策略，由算法識別出不同實體之間的上下位關(guān)系，實體之間的領(lǐng)域關(guān)系及類別關(guān)系等，最終構(gòu)造出實體與知識片段的關(guān)聯(lián)。在知識內(nèi)容片段提取的基礎(chǔ)之上，算法還進一步細化知識提取的精細度，從公開課講座的內(nèi)容出發(fā)，將與視頻講座語義最密切的人物、場景、專有名詞、專有文獻進行標(biāo)注與管理，標(biāo)注該實體出現(xiàn)的關(guān)鍵幀、切割出該實體對應(yīng)的畫面，最終形成豐富的知識素材庫。為了更符合用戶對公開課的內(nèi)容的理解，公開課智慧化加工建設(shè)也基于完整的講座內(nèi)容進行了自然語言分析，采用基于詞的 TF-IDF 和語義模型相結(jié)合的算法實現(xiàn)關(guān)鍵詞提取[8]，為每一場講座提煉出與講座內(nèi)容最為貼合的關(guān)鍵詞詞集。在關(guān)鍵詞的處理上，首先按照名詞、動名詞和名詞短語等詞性進行選擇，再結(jié)合字詞左右信息熵計算，最終對于每一部課程、課程下面的每一個小節(jié)均由系統(tǒng)計算出與視頻內(nèi)容最為接近的多個關(guān)鍵詞，輔以人工審核。人工審核結(jié)果反饋給算法，提高關(guān)鍵詞自動提取的準(zhǔn)確度。

2.3 以智能知識圖譜實現(xiàn)知識體系結(jié)構(gòu)的自動化立體呈現(xiàn)

公開課智慧化加工建設(shè)的成果，例如：主講人實體、機構(gòu)組織實體、事件實體、地理實體、作品實體、自然實物實體與課程知識實體進行語義關(guān)聯(lián)，通過知識圖譜的形式形象地展示各類知識之間的顯性及隱形的知識關(guān)聯(lián)關(guān)系，為用戶提供知識關(guān)聯(lián)化服務(wù)是公開課智慧化加工建設(shè)的目標(biāo)與成果。公開課智慧化加工建設(shè)提取出各類實體、實體間建立的知識關(guān)聯(lián)關(guān)系均采用圖數(shù)據(jù)庫進行存儲與管理；知識本體的構(gòu)建采用自頂向下的建模方式，將公開課視頻中的信息資源、人物、機構(gòu)、事件等資源內(nèi)容，構(gòu)建成公開課領(lǐng)域知識體系，并使用Jena API和OWL本體語言實現(xiàn)本體模型構(gòu)建。本體建模效果如圖1所示。

在公開課本體模型的控制下，將公開課智慧化加工建設(shè)提取出各類實體和知識內(nèi)容進行實例填充，最終形成一個較為體系化的公開課細粒度知識體系。隨著公開課視聽資源頻數(shù)量的不斷豐富和完善，知識圖譜的概念層和數(shù)據(jù)層將不斷迭代，內(nèi)容和關(guān)系也將不斷優(yōu)化和擴容。

2.4 基于智能語義檢索實現(xiàn)自然語言環(huán)境下的知識揭示

使用自然語言進行問詢是用戶最習(xí)慣的獲取信息的方式，因此基于自然語言的視頻檢索功能將扮演重要的角色。視頻自然語言檢索是為了為給一段自然語言描述，從海量的視聽資源中精準(zhǔn)找到相匹配的視頻片段或關(guān)鍵畫面，包括對視頻的理解、對語言的理解，以及將兩種模態(tài)的理解進行匹配三部分[9]。國家圖書館在公開課智慧化加工建設(shè)中，結(jié)合機器學(xué)習(xí)、文本挖掘、自然語言處理等技術(shù)，重點研究基于視頻字幕數(shù)據(jù)的語義標(biāo)注技術(shù)、基于知識組織體系的知識計算和關(guān)聯(lián)技術(shù)[10]，以及基于深度學(xué)習(xí)的分析和知識推理技術(shù)，為從數(shù)據(jù)中發(fā)現(xiàn)知識及關(guān)聯(lián)關(guān)系提供核心算法與技術(shù)支撐，設(shè)計基于圖書館公開課領(lǐng)域知識計算和分析模型，目前嘗試了采取了圍繞實體進行關(guān)聯(lián)的方式進行自然語言檢索，實現(xiàn)了語義檢索的初步嘗試。

3 圖書館視聽資源智慧化建設(shè)與服務(wù)的思考

視聽產(chǎn)業(yè)正成為數(shù)字文化產(chǎn)業(yè)中最具有顯示度和增長性的產(chǎn)業(yè)之一，視聽資源規(guī)模和邊界不斷擴大，已經(jīng)是數(shù)字經(jīng)濟的重要價值元素和場景標(biāo)配。當(dāng)前，視聽進一步成為產(chǎn)業(yè)要素向各行業(yè)領(lǐng)域滲透融合，圖書館要推動大視聽模式高質(zhì)量發(fā)展，還需要緊密結(jié)合先進技術(shù)實現(xiàn)整體推進和重點突破，不斷強弱項、補短板，主動加快視聽資源智慧化加工進程，從而帶動智慧圖書館資源知識化服務(wù)的高質(zhì)量發(fā)展。

3.1 對視聽資源的內(nèi)容及知識進行持續(xù)深入分析與解構(gòu)

公共圖書館所擁有的海量視頻作為傳統(tǒng)文化的重要表達形式，其表現(xiàn)內(nèi)容、表現(xiàn)形式及知識表達具有高度的直觀性和準(zhǔn)確性，這與圖書館傳統(tǒng)的文本、圖片有較大區(qū)別。因此，要從視聽資源的內(nèi)容表達特征入手，借助人工智能技術(shù)將語音識別、圖像識別、自然語言理解等技術(shù)應(yīng)用在深入分析視聽資源的內(nèi)容層次、準(zhǔn)確理解視聽資源的知識架構(gòu)上；借助語義網(wǎng)及外部的知識開放體系，解構(gòu)視聽資源的知識實體、知識描述，用較為通用的專業(yè)術(shù)語進行描述，進而將以往視聽資源未表達出的知識內(nèi)容充分地表達出來，為智慧化服務(wù)提供支撐。

3.2 不斷開展對視聽資源的語義知識體系進行構(gòu)建與服務(wù)

圖書館擁有的優(yōu)秀視聽資源是當(dāng)前用戶欣然接受和希望接受的重要資源類型之一，因此，圖書館應(yīng)該將對傳統(tǒng)文獻實施知識體系建設(shè)的范圍擴充化、豐富化、多維化，以圖書館視聽資源的圖像、文字、音頻為主要研究對象，開展多模態(tài)語義挖掘處理和語義聚合策略的研究與探索。在知識體系建設(shè)中，要充分利用人工智能技術(shù)針對圖像、音頻與視聽資源內(nèi)容的融合，選取相適應(yīng)的知識描述架構(gòu)進行基于學(xué)習(xí)情境、易于知識表達的知識描述。

視聽資源具有內(nèi)容表達多樣性、知識發(fā)現(xiàn)困難性、專業(yè)壁壘復(fù)雜性等特點，因此，圖書館在實施知識整序、融合管理上難度較大，亟需利用人工智能手段處理好視聽資源之間及其與其他類型資源之間在相融相促中出現(xiàn)的各種復(fù)雜性和不確定性，將其中豐富和新穎的表現(xiàn)形式、內(nèi)容形式以及復(fù)雜的知識內(nèi)容生產(chǎn)創(chuàng)造、知識信息交流方式、知識信息傳播方式、版權(quán)環(huán)境和管理利用方式、知識間內(nèi)在聯(lián)系、關(guān)聯(lián)關(guān)系等系統(tǒng)地描述和組織起來，逐步實現(xiàn)智能化、知識化，形成泛在化和深度閱讀結(jié)合的良好生態(tài)。

3.3 重視并持續(xù)深化人工智能機器學(xué)習(xí)驅(qū)動的助力

隨著算力、預(yù)訓(xùn)練模型和多模態(tài)技術(shù)的不斷匯聚發(fā)展，在自然語言和視聽領(lǐng)域?qū)楷F(xiàn)出大量人工智能生產(chǎn)的內(nèi)容。但是目前，業(yè)界對人工智能生成內(nèi)容（AIGC）技術(shù)的定義并沒有統(tǒng)一標(biāo)準(zhǔn)，不同領(lǐng)域、不同研究機構(gòu)和學(xué)者對AIGC技術(shù)的定義和范圍也有所不同。一般來說，AIGC技術(shù)是通過AI技術(shù)（如機器學(xué)習(xí)、深度學(xué)習(xí)等）自動或半自動地生成內(nèi)容的生產(chǎn)方式，生成內(nèi)容包括但不限于文字、音頻、視頻、圖像等形式[11]，隨著AIGC技術(shù)與PGC和UGC的結(jié)合，將大大提高PGC和UGC內(nèi)容的生產(chǎn)效率和質(zhì)量，在實現(xiàn)內(nèi)容創(chuàng)作的自動化和智能化方面發(fā)揮更大的作用。目前AIGC技術(shù)仍存在一定的局限性，其算法和技術(shù)仍處于不斷發(fā)展和完善的過程中，可靠性和普適性仍有待進一步提高和加強。

圖書館要跟隨技術(shù)發(fā)展的趨勢，跟蹤業(yè)界應(yīng)用模式，將AI、AIGC等技術(shù)應(yīng)用到視聽資源智能化的生產(chǎn)和服務(wù)中，利用視覺認知機理算法的升級，通過建立視覺注意力統(tǒng)計學(xué)習(xí)計算模型和顯著性目標(biāo)檢測新理論，完善視聽覺信息處理與計算，在自然語言理解方面與圖書館視聽資源的融合更加緊密和優(yōu)化。此外，圖書館還應(yīng)該發(fā)揮人工智能算法在視聽資源的空間、序列、時間、場景、物體和動作等知識的學(xué)習(xí)和積累，將AIGC的底層技術(shù)和產(chǎn)業(yè)生態(tài)的優(yōu)勢，促進圖書館視聽資源的人工智能處理能力提升。

3.4 帶動業(yè)務(wù)場景和服務(wù)模式的創(chuàng)新與發(fā)展

在數(shù)字化技術(shù)及人工智能技術(shù)的加持下，圖書館館藏的視聽資源作為公眾較為喜愛和更易接納的資源形式，其業(yè)務(wù)場景和服務(wù)模式勢必要與公眾的娛樂學(xué)習(xí)和生活緊密結(jié)合，與圖書館其他類型資源的融合程度更加緊密和深入，進而促進圖書館在視聽資源的建設(shè)、管理與服務(wù)的各個環(huán)節(jié)產(chǎn)生迭代和質(zhì)變。隨著生成對抗網(wǎng)絡(luò)（GAN）、變分自編碼器（VAE）等深度學(xué)習(xí)算法快速升級，人工智能技術(shù)驅(qū)動的圖像生成、視頻生成、語音生成等功能在圖書館視聽資源建設(shè)及內(nèi)容重組方面會發(fā)揮更多作用。人工智能技術(shù)不僅實現(xiàn)圖書館的視頻剪輯、鏡頭編排、聲音圖像同步、語音合成等業(yè)務(wù)重組和發(fā)展，更可以將智能推薦、知識互動、精準(zhǔn)識別、一對一需求服務(wù)模式精準(zhǔn)落地，進而促進圖書館視聽資源的發(fā)現(xiàn)能力和知識服務(wù)能力，推動行業(yè)向智慧化、個性化、創(chuàng)新化方向發(fā)展。

4 結(jié)語

新時代的到來，對公共文化服務(wù)的智慧化、智能化要求更為迫切，作為創(chuàng)新文化服務(wù)模式的新探索，全國各級公共圖書館應(yīng)秉承發(fā)展這個硬道理，聚焦人工智能技術(shù)在視聽資源智慧化建設(shè)中的巨大作用和推力，以此為突破口形成智慧化數(shù)字技術(shù)場景新范式和新實踐，不斷拓展智慧公共文化服務(wù)新應(yīng)用。

參考文獻：

四部門關(guān)于印發(fā)《“互聯(lián)網(wǎng)+”人工智能三年行動實施方案》的通知[EB/OL].[ 2023-06-10].https：//www.gov.cn/xinwen/2016-05/23/content_5075944.htm.

國務(wù)院印發(fā)《新一代人工智能發(fā)展規(guī)劃》[EB/OL].[2023-06-10]. https：//www.gov.cn/xinwen/2017-07/20/content_5212064.htm.

黃一樑.智慧化開啟新型廣播未來[J].中國廣播電視學(xué)刊，2018（8）：103-105.

《“十四五”公共文化服務(wù)體系建設(shè)規(guī)劃》：以文化繁榮助力鄉(xiāng)村振興[EB/OL]. [2023-06-20].https：//www.gov.cn/xinwen/2021-06/23/content_5620454.htm.

張煒，敦文杰.國家圖書館影音視聽資源智慧化服務(wù)的實踐與思考[J].圖書館，2022（7）：37-43.

About Europeana[EB/OL]. [2023-06-10].https：//www.europeana.eu/en/about-us.

科技賦能，讓塵封已久的字符重新跳動[EB/OL].[2023-06-20]. https：//baijiahao.baidu.com/s？id=1757342081130577289&wfr=spider&for=pc.

張麗，馬靜.融合詞語統(tǒng)計特征和語義信息的文本分類方法研究[J].計算機工程與科學(xué)，2021，43（7）：1308-1315.

薛繼偉，劉濟塵，劉顯德，等.基于深度學(xué)習(xí)的視頻檢索方法研究[J].計算機與數(shù)字工程，2021，49（4）：771-775.

黃永文，孫坦，趙瑞雪，等.大數(shù)據(jù)與人工智能

背景下新型知識服務(wù)研究與實踐[J].圖書情報工作，2022，66（19）：36-46.

路遠，胡峰.AIGC技術(shù)在智慧廣電與網(wǎng)絡(luò)新視聽中的應(yīng)用探析[J].影視制作，2023，29（3）：43-47.

張 煒 國家圖書館研究館員。 北京，100081。

季士妍 國家圖書館研究館員。 北京，100081。

（收稿日期：2023-09-20 編校：陳安琪，謝艷秋）