【ICTC2019】何大治：AI+5G赋能媒体服务(2)

媒体服务的另外一个特点就是实时互动，我们现在的这种传统的媒体，互动性上面多半都还在实施性上有很大的差距。而且随着我们媒体新形态的出现，VR技术、MR技术，会给大家带来很多不同的体验。这个时候大家可能就追求一种互动，大家知道VR技术，我们现在用的VR技术，都是三个自由度的，也就是说我们戴着头显，可以旋转、前后、左右。但是现在做六个自由度的VR已经很多了，把六个自由度做得非常好的VR还不多。大家可能带小朋友去做过VR体验馆，会有一些，整个头显上面有一个灯泡，场景当中利用灯泡给你计算一个位置。但这个不是真正的六个自由度的。随着六个自由度的VR技术的发展，包括MR技术，可能在未来的媒体服务方面，会非常强调互动。我们经常要点读，这可能也是一种互动。未来小朋友看教学片、动画片，戴的是VR非常清晰的头衔。可能这个过程当中，会不断地跟电话片里面，寓教于乐的人物会产生非常多的互动。这个时候整个媒体服务就需要在实时互动性上，还有一个质的提升。

我们对比一下传统内容制作和智能内容制作，传统内容制作在采录、编播上面，我相信这个会场上有很多都是各个电视台的专家，很多人可能都知道一部电视剧，一部电影的出现，需要有美工组、字幕组、音频组、特效组等等，而且大家都知道做后期的人非常辛苦，往往为了赶档期，做的整个工作都是昏天黑地的。其实这里面很重要的一个就是传统的内容制作里面，有非常多的人工，而巨大的人工里面有很多重复性的工作。这些重复性的工作，我们相信在未来一定会被AI技术所取代。我们的机器足够智能化，算力足够强了，算法足够先进了以后，它会取代这些重复新的工作。大家可以看看像未来的智能制作系统，要求的是什么？比如说摘要生成、字幕生成、解说、自动配音，我相信大家现在已经都知道，现在已经有很多的节目制作单位，现在在做这方面的尝试。尤其是新闻，现在自动播报新闻，基本上采用AI自动播报新闻都没问题了。未来的播音员不需要播音，自动合成声音的播报能力，是完全没有问题的。大家都知道语音合成技术，后来的自然语言的处理技术，现在都已经达到了非常好的水平。

所以我们觉得，智能内容制作在未来会取代，逐步取代或者部分取代传统的传统内容制作方式，现在推出了很多5G背包，有很多云的技术，现在的制作，很多通过5G背包，通过云，实施化很好，但是背后还是有大量的人工在做。如果这些云辅助一些AI的IP，一些新的技术在里面，我相信在未来，我们会迎来智能内容制作的新时代。

在智能内容制作里面目前为止比较难的是智能视频制作，文字和语音制作的能力，随着算力的提升，随着新的算法不断出现，确实取得了长足的进步。但是在智能视频制作上面，其实还是有非常多的工作需要做的。

智能视频制作，大家可能都已经听说过了，很多换脸，也有一些ZAO这种APP都在做这方面的工作。现在有些是在做图象，在智能视频制作上面，尤其是在近两三年，技术上面发展得非常快，在国际顶级的会议上面，基本围绕着智能视频制作上面来做。我这里给大家介绍一下智能视频制作，大家看起来很复杂的这样一个，其实基本上就分了三部分工作。第一部分工作，所谓的这里面有精细的语义的特征提取，第二部分是语义特征修改，第三部分是条件式的内容生成。这里面三个部分都有AI的非常多的可以发挥的地方。

在第一部分，语义特征提取上面，在过去的20年中间，在图象识别，在图象检测，在图象的内容理解上面，做了很多的进步和发展。基本上10年一代，大概在2000年，也就是1999年，图象特征提取上面取得了很大的进步，可以离线地对凸显特征，像这里我们可以看到人脸的特征等等特征做一些提取。但是在2012年，多伦多大学有一个团队推出了卷积神经元网络，可以比较好地在线的方式去做特征内容提取。目前我们从2012年之后，大家可能都知道很多的人脸识别，有很多的AI公司，大家知道四大AI公司，大家无一例外都是从2012年卷积神经元网络做了很多延伸和很多应用，当然他们也融了非常多的资。在第一部分工作，大家投入了非常多的工作。(责任编辑：方向)