當IPTV遇見AI：在視聽內容服務領域創新攻堅

作為全國數字化建設的先行者，折射在IPTV產業發展中，浙江正從多領域齊發力，積極探索AI+大屏生態的深度融合，打造出更智能、更便捷、更生動的視聽體驗，也助力行業邁向智能化新時代

隨著全國IPTV用戶規模突破4億戶，IPTV用戶對于視聽內容質量及AI技術應用服務的需求逐步增強。在國家廣播電視總局部署“超高清發展年”和人工智能發展戰略下，浙江IPTV主要從內容生產、智能審核、智能推送和智能編排等方面開展AI技術創新探索與應用，為構建“智慧廣電”新型傳播體系提供關鍵支撐。

AI賦能，IPTV視聽內容服務升級

AI技術為IPTV視聽內容服務注入了全新動能。通過標簽智能補全、智能審核、智能推薦等功能，能夠持續優化服務體系，推動傳統電視服務向智慧化、交互化方向演進。

AI技術實現內容標簽智能補全。傳統媒資內容標簽生產存在主觀性強、維度單一、效率低下等痛點。而基于AI技術的智能標簽補全能完善“基礎處理+智能增強”雙引擎架構，實現內容分析、高能片段剪輯、智能信息編目等；還可依托媒資雷達對全網影視數據實時掃描，建立“內容—人物—場景—情感”四維關聯模型，建立標簽體系立體化知識網絡，為用戶提供高質量內容。

AI技術增強智能審核應用。為增強視聽內容播出安全，依托AI智能審核分析模型，能夠對多模態內容實現深度結構化解析；基于深度學習算法模型，則實現了視頻截圖處理、封面生成、AI視頻鑒黃審查等功能，每小時可完成50個內容集處理，精確度達到80%。

AI技術助力智能推薦服務更精準。由于傳統人工運營面臨熱點內容推薦滯后、海量內容編排困難等問題，亟需構建智能化推薦體系實現精準內容分發。基于大模型構建“內容—場景—用戶”框架，可通過算法驅動實現被動檢索到主動推薦的范式轉換；通過對用戶行為數據進行深度分析，融合在算法特征模型中，則實現了模型自定義開發與訓練，為用戶提供個性化精準推送服務。

AI技術促成智能編排運營營銷一體化。為滿足IPTV EPG頁面的可視化搭建，通過對頁面、主題和推薦位元素無代碼快捷運營，能提高系統安全性和運營效率；運用跨多運營商分域智能編排分組技術，生成用戶畫像、頭部內容和營銷策略編排數據集，可實現自動編排推送服務于用戶，實現運營營銷一體化高效協同。

AI應用，IPTV視聽服務場景擴容

在AI技術賦能IPTV視聽服務的進程中，其應用場景也日益廣泛。從內容分析到推薦，從智能化瀏覽到搜索，AI的創新應用不僅豐富了IPTV的服務形態，更重新定義了智能時代的家庭娛樂體驗。

智能媒資補全服務創建AI影音智能體。對媒資庫內容的標簽補全，適用于點播搜索、直播頻道轉點播內容推薦等業務場景。具體而言，建立內容檢索服務搜索引擎，通過提取標簽關鍵信息，采用向量索引和關鍵詞索引構建搜索媒資庫，可實現毫秒級搜索速度，滿足用戶精準快速收視需求，并為進一步構建AI影音智能體的探索奠定基礎；基于DeepSeek大模型搭建，通過私有化部署實驗環境，可屏蔽違規關鍵字，融合現網媒資庫（涵蓋內容標簽庫、劇情解析、文化背景知識），構建動態更新的影視知識庫，對內容基礎編目、標簽、語境分析等維度實現“搜索即服務”的智能化交互升級。

智能推薦賦能用戶收視內容提升營銷創收。智能化的內容推薦，將革新運營模式，促使運營團隊無需低效重復勞動，將精力更多轉移至關注用戶畫像構建、特征沉淀和數據分析監測等方面。根據不同的模型實現不同類型的推薦，如將熱門排序規則應用于首屏和頭部的精彩內容，將知識圖譜模型適用于播放詳情頁面、熱門搜索頁面、明星聚合頁面等，進行影片相關的推薦流；將用戶偏好模型加持于歷史、收藏或者其他用戶相關頁面的推薦，明確展示用戶的偏好等，完成算法模式從“人找內容”到“內容找人”的轉變。

當用戶對推薦內容進行瀏覽、播放和搜索后，可對用戶相關行為數據進行分析，豐富用戶畫像維度，并進行智能分群，繼而根據人群自動擴散內容，運營人員也可針對特定人群制定營銷策略向用戶推薦內容。應用可滿足推薦內容去重、推薦曝光扶持、內容置頂和內容封禁等多個維度的推薦結果干預，從而提升用戶收視體驗。當前，IPTV EPG頁面已將智能推薦應用場景拓展覆蓋整體頁面的95%；且自2024年6月上線后，平臺曝光媒資占比近89%，訂購轉化率提升約2%，為平臺營收帶來積極作用。

AI挑戰，視聽內容服務中的新課題

雖然，AI應用在IPTV視聽服務中具有提升運營效率與創新的可能性，但仍面臨諸多挑戰與風險，這將是未來深入研究的新課題。

?在技術層面?，AI技術生成內容的質量還不穩定，存在算力資源消耗過大的缺陷，在算法偏見的過程中將會加劇內容同質化；?在版權方面，當前版權歸屬仍比較模糊，過于依賴深度偽造技術涉及侵犯用戶隱私等問題持續引發關注；在投資回報方面，當前的IPTV多模態內容約30萬小時，整體語料訓練周期長，對大模型算力資源成本投入較大，還不具備良性的投產比，特別在成本方面仍需進一步規劃。

基于上述風險和挑戰，首先，需進一步完善大模型治理體系，使用獲得生成式人工智能服務、境內深度合成服務算法等已備案的大模型；其次，嚴格遵守國家廣播電視總局人工智能技術賦能網絡安全應用測試。其重點在于，根據局部變化影響全局的研究思路，優化模型邊界認知，推動模型推理演繹逐步實現可信驗證，解決大模型幻覺問題；最終，聯合行業上下游產業共同推動大模型開源迭代，在增強安全的前提下，建立IPTV視聽內容垂類模型訓練聯盟，對媒資內容進行合力訓練，降低成本投入，共建智能審核媒資安全威脅態勢情報庫，共享行業數據安全規范，完善AI生成合成內容標識等措施，在促進技術創新的同時更好滿足用戶的精神文化需求。

（作者單位：浙江廣電新媒體有限公司）