人工智能生成內容（AIGC）在科普視頻領域的應用現狀和趨勢

隨著科技的迅猛發展，人工智能生成內容（AIGC， Artificial Intelligence Generated Content）作為近年來興起的技術潮流，已經在眾多領域掀起了變革[1]。特別是在科普視頻創作領域展現了巨大的應用潛力。本文綜述了人工智能生成內容在科普視頻中的應用現狀及技術實現，分析了國內外典型案例，并探討了其未來發展趨勢。人工智能生成內容技術不僅顯著提升了內容創作的效率，還明顯降低了創作門檻。盡管如此，人工智能生成內容在科普視頻的應用中仍面臨技術局限、倫理和版權問題等挑戰。未來，人工智能生成內容與增強現實（AR）和虛擬現實（VR）等技術的結合，有望為科普內容的創作與傳播提供新的路徑和可能性。

1 人工智能生成內容在科普視頻中的應用現狀

1.1 自動生成視頻內容

新華網推出的“新華智云”平臺是一個典型的例子，該平臺運用了人工智能生成內容技術來自動生成科普視頻內容。比如，“新華智云”曾推出的一系列關于火星探測的視頻，不僅展現了火星的地貌，還通過人工智能生成內容技術模擬了火星車的探測過程，為觀眾提供了一個身臨其境的體驗，極大地提升了科普的效果。

1.2 虛擬主播與講解

嗶哩嗶哩上的虛擬主播“洛天依”是人工智能生成內容技術應用的一個成功案例。利用深度學習算法，洛天依能夠用自然語言進行科學知識的講解。比如，在一個關于“宇宙起源”的視頻中，她通過生動的語言和擬人化的表達方式解釋了大爆炸理論、恒星演化等復雜的天文學知識。虛擬主播不僅提高了視頻的互動性，還通過其個性化和高度擬真的形象吸引了大量年輕觀眾。

1.3 數據可視化

騰訊新聞的“天文頻道”常采用人工智能生成內容技術進行數據可視化展示，這在解釋復雜科學現象時尤為有效。例如，在報道一次新的黑洞發現時，騰訊新聞利用人工智能生成內容技術生成了詳細的黑洞光盤模擬圖和X射線光譜圖。這些高質量的可視化內容使得觀眾能夠更直觀地理解科學現象和研究結果。

1.4 個性化科普內容

科大訊飛的“AI小助手”是人工智能生成內容技術在個性化科普內容方面的代表應用。該應用根據用戶的興趣和學習進度，利用人工智能生成內容技術動態生成個性化的科普視頻內容。例如，對于中小學生，系統可能生成淺顯易懂的動畫版黑洞介紹，視頻中用通俗的語言和簡單的圖案來解釋復雜的科學概念；而對于科學愛好者，則會推送更專業深入的講解視頻，詳細探討黑洞的物理特性、空間與時間的扭曲等專業知識。這種個性化的內容推薦不僅提高了學習效果，還顯著提升了用戶體驗和滿意度。

2 人工智能生成內容在天文科普視頻中的技術實現

人工智能生成內容在視頻中的應用離不開計算機技術的支持，計算機技術在人工智能生成內容中主要用于圖像生成與處理、視頻編輯等，讓生成的內容更具視覺吸引力[2]。

2.1 圖像生成

生成對抗網絡（GAN）和裝飾板（DALLE）的圖像生成技術，根據文本描述，生成高質量的圖像。例如，裝飾板是一種變體自回歸模型，可以生成高度符合文本描述的圖片，其實現方法包括：

①文本編碼：將輸入的文本描述轉化為特征向量。②圖像生成：通過解碼器網絡生成符合文本描述的圖像。③對抗訓練：使用生成對抗網絡的方式，通過生成器和判別器的對抗訓練，提高生成圖像的逼真度和一致性。

2.2 圖像處理與編輯

圖像處理與編輯技術用于生成視頻內容或對現有視頻進行編輯。例如，深度視頻肖像（Deep Video Portraits）技術能夠實現虛擬角色的視頻生成，通過捕捉真人的動作和表情，生成逼真的虛擬講解員視頻。其實現方法包括：

①動作捕捉：使用攝像頭捕捉真人的面部表情和動作。②生成網絡：通過神經網絡模型，將捕捉到的動作應用到虛擬角色上，生成動態視頻。③后期處理：對生成的視頻進行優化和渲染，提高視頻質量和自然度。

2.3 生成對抗網絡

生成對抗網絡由生成器和判別器組成，通過相互對抗訓練，使生成器生成的內容越來越逼真。風格生成對抗網絡（StyleGAN）和大生成對抗性網絡（BigGAN）是其中的成熟技術，它們被廣泛應用于高質量圖像和視頻生成。其實現方法包括：

①生成器訓練：生成器通過隨機噪聲輸入生成圖像。②判別器訓練：判別器對生成的圖像進行真偽判斷，給予反饋。③對抗訓練：生成器和判別器交替訓練，生成器不斷提高生成圖像的質量，使判別器越來越難以分辨真實圖像和生成圖像。④風格轉移：通過風格生成對抗網絡，可以進行圖像的風格轉移，生成多樣化的圖像風格，提升視覺表現力。

3 生成對抗網絡在科普視頻創作中的優勢

3.1 提升內容創作效率

傳統的科普視頻制作通常需要長時間的準備、拍攝和后期制作，而生成對抗網絡技術則能夠大大縮短這一過程。通過自動化工具，創作者可以在短時間內完成從腳本到成品視頻的制作流程。這種高效性對于科普創作的普及和推廣具有重要意義[3]。

3.2 降低創作門檻

過去，制作高質量的科普視頻往往需要專業的天文知識和視頻制作技能。而生成對抗網絡技術的出現，使得即便是非專業人士，也能夠參與到科普視頻的創作中來。這不僅擴大了創作者的群體，也使得更多優質內容得以傳播。

3.3 增強視頻的互動性和趣味性

通過虛擬主播、動態生成內容等生成對抗網絡技術，科普視頻能夠提供更具互動性和趣味性的觀影體驗。觀眾可以根據自己的需求和興趣，實時調整視頻內容，甚至參與到內容的生成過程中。這種互動性大大提升了觀眾的參與感和學習效果[4]。

3.4 科學性與視覺效果的平衡

科普視頻在追求科學嚴謹的同時，也需要兼顧視覺效果的吸引力[5]。生成對抗網絡技術通過物理模擬、數據可視化等手段，使得復雜的天文現象得以以科學、真實且觀賞性強的方式呈現出來。這種平衡對于增強科普視頻的傳播效果至關重要。

4 國內生成對抗網絡文生視頻產品

4.1 華為盤古大模型

盤古大模型是華為開發的基于深度學習的系列大模型，覆蓋了多模態任務。盤古視頻（Pangu Video）是其中的視頻生成模塊。依托華為在自然語言處理和計算機視覺領域的技術積累，該模型結合了語言理解和視頻合成技術，能夠根據復雜的文本描述生成多樣化的高質量視頻。

4.2 百度文心一格

文心一格是百度基于文心大模型開發的多模態生成模型，能夠從文本生成圖片和視頻。該模型結合了大規模預訓練模型的強大語言理解能力和圖像、視頻生成能力，生成的視頻細節豐富、風格多樣，且可根據不同輸入生成定制化內容。 生成時長通常為幾秒到數十秒的視頻，適合短視頻制作，但由于模型的靈活性較強，也可以生成更長的視頻。

4.3 騰訊混元助手（AIDE）

混元助手是騰訊推出的大型人工智能模型，具備多模態生成能力，包括從文本生成圖像和視頻的功能。該模型基于騰訊在自然語言處理和視覺計算領域的深厚積累，能有效生成復雜場景下的動畫視頻或寫實視頻，適用于多種行業需求。生成時長可以從幾秒到數分鐘不等。模型可以根據輸入的文本復雜度和用戶需求，生成不同長度的視頻，較長的敘事性視頻可能需要更多的生成時間和計算資源。

4.4 阿里巴巴 M6

阿里巴巴M6大模型是超大規模的多模態生成模型，具備圖像和視頻生成能力。M6結合了阿里巴巴的自然語言處理和視覺生成技術，特別適合電商領域的產品視頻展示和廣告生成。此外，該模型還能根據用戶需求生成創意視頻，提升品牌推廣的視覺效果。

5 生成對抗網絡在科普視頻中的挑戰

5.1 技術的局限性

盡管生成對抗網絡技術在內容生成方面展現了巨大的潛力，但目前仍存在一些技術局限。例如，生成的虛擬主播在表現復雜情感和細微表情時，仍然無法與真人相媲美。此外，生成內容的科學性和準確性仍然依賴于輸入數據的質量，若數據存在偏差，可能導致誤導性內容的產生。

5.2 倫理與版權問題

生成對抗網絡的廣泛應用也帶來了倫理和版權問題。自動生成內容是否侵犯了原作者的知識產權，以及虛擬人物的肖像權如何界定，都是需要解決的問題[6]。此外，如何確保生成對抗網絡生成內容的真實性和科學性，避免虛假信息的傳播，也成了一個亟待關注的領域。

5.3 跨學科合作與技術整合

科普視頻的創作不僅僅依賴于天文學科等相關領域的知識，還需要計算機科學、藝術設計等多學科的合作。未來，生成對抗網絡的發展趨勢之一是更為緊密的跨學科合作，結合多領域的技術優勢，生成更為豐富和多樣化的科普內容。

5.4 內容個性化與定制化趨勢

隨著用戶需求的多元化發展，生成對抗網絡在內容個性化方面的潛力將進一步釋放[7]。未來，科普視頻可能不再是“千篇一律”的，而是可以根據不同用戶的需求和學習進度，實時生成專屬的科普內容。這種定制化趨勢將使得科普更加貼近觀眾，提高用戶的學習體驗。

5.5 增強現實與虛擬現實的結合

生成對抗網絡與增強現實和虛擬現實技術的結合，將開辟科普的新天地。例如，通過沉浸式體驗，觀眾可以“身臨其境”地探索宇宙，感受天文現象的震撼。這不僅提高了科普視頻的吸引力，也為天文學的教育和傳播提供了全新的視角。

6 結語

生成對抗網絡技術的興起為科普視頻創作帶來了前所未有的機遇和挑戰。它不僅提高了內容生產的效率，降低了創作門檻，還為科普內容的表現形式注入了更多的創新可能性。中國的領先人工智能公司，如百度、華為、騰訊和阿里巴巴，已在生成對抗網絡科普視頻創作領域做出了重要貢獻。盡管在技術、倫理和跨學科合作等方面仍面臨諸多挑戰，但隨著技術的不斷發展和完善，生成對抗網絡必將在科普領域發揮越來越重要的作用。

引用

[1] 劉明亮.人工智能生成內容（AIGC）技術特征及應用場景分析[J].信息記錄材料，2023，24（10）：234-236.

[2] 趙宇.人工智能生成內容（AIGC）在虛擬現實交互影像中的應用與探索[J].現代電影技術，2023（8）：59-64.

[3] 姜莎，趙明峰，張高毅.生成式人工智能（AIGC）應用進展淺析[J].移動通信，2023，47（12）：71-78.

[4] 胡冬梅，雷桐.AIGC：影視內容生產的變革動能[J].科技傳播，2023（21）：101-105.

[5] 寧蔚然.AIGC對影視實踐教學的教育應用與展望[J].教育進展，2023，13（12）：10130-10135.

[6] 劉海明，陶鵬輝.媒體數字內容AIGC版權實踐的模仿倫理：爭議、界限與原則[J].新聞愛好者，2024（7）：27-31.

[7] 楊敏然，張新興，陶榮湘.現狀與趨勢：國內人工智能生成內容（AIGC）研究透視[J].圖書館理論與實踐，2024（2）：56-65.

作者簡介：肖疆（1994—），男，重慶人，碩士，助理館員，就職于上海天文館（上海科技館分館）。