广播和媒体制作工作流程中的AI

人工智能（AI）和机器学习（ML）现在是赋能创作者、优化资源分配、增强分发和提供个性化观众体验的极其重要工具。Grand View Research的一份报告预测，2022年到2030年，媒体领域的AI和ML市场将以38.1%的复合年增长率增长。毫无疑问，AI和ML技术正在改变广播和媒体制作工作流程。目前，AI使用仍主要处于内容创作阶段，该技术被广泛用于特效和创建虚拟出镜主持人。

内容创作

然而，在内容历程的每一个阶段，AI都在影响着它们。AI在内容创作阶段开始时的一个先锋例子是在编剧和故事开发阶段。华纳兄弟公司利用AI分析剧本并预测票房。这个AI工具提供支持决策过程（如内容和主持人评价）的数据驱动的洞察。利用这些洞察，华纳兄弟可以在绿能节能项目上做出更明智的决定，从而潜在地降低票房失败的风险，并优化资源配置。

制作自动化

制作是AI也被用于广播自动化和管理的下一个阶段。例如，英国公共广播公司（BBC）已将AI集成到其新闻演播室，自动化摄像机操作和灯光。这种集成提高了新闻广播的效率和一致性。自动化制作控制系统可以实时调整摄像机角度、对焦和照明，确保高制作标准，同时减少人工干预。

内容编辑

AI已经显示出巨大的前景的内容历程下一个阶段是视频编辑。此技术并不新鲜：它在2018年福克斯体育台利用IBM沃森AI系统为2018年国际足联世界杯制作集锦包时得到了突出显示。如今，这项技术在2024年巴黎奥运会上得到了极大的发展，为14个体育项目制作了自动化集锦，生成实时的观众参与分析，并创建了快速、相关的运动员动作数据。此外，人工智能系统协助创建和标记视频摘要，但不会自动发布。这项技术支持奥林匹克广播服务公司（OBS）在各种平台上提供广泛和个性化的报道，提高观众的参与度和对赛事的理解。

可访问性

在内容可以分发之前，AI已经被证明在帮助内容可访问性方面是有效的。Telestream的定时文字语音服务是一个很好的现实例子，它使用机器学习快速产生准确的字幕。用户上传经过转录的媒体文件，并以定时文本（格式如SRT、JSON、CSV和TXT格式等）形式返回。它支持多种语言和自定义词汇，大大加快了过程，比传统的语音识别技术具有更高的准确性。归根结底，AI技术不是要取代人；它正在寻找帮助人们更有效率、更自由地完成他们适合的创造性任务的方法。

AI也影响着内容分发。在美国，辛克莱广播集团已经实施了人工智能驱动的优化其播出和调度的自动化系统。这些系统分析大量数据，以确定最有效的调度和播出策略，从而使操作更加精简，减少人为错误。这种级别的自动化提高了操作效率，并确保将内容无缝地分发给受众。

内容来源

与内容创建到分发工作流程同时发生，一个新兴行业是内容的来源和AI在确保其真实性方面的作用。人们越来越关注跟踪媒体供应链生命周期每一步的内容来源链。如微软和Adobe等行业领导者支持的这项倡议，通过C2PA等项目，旨在提供有关内容在何处以及如何创建和处理的透明度。虽然这并不是直接使用AI来检测其它AI生成的内容，但它确保了观众可以信任他们在屏幕上看到的内容的来源和完整性。毕竟，确保客户数据的安全，不被用于非计划中的目的，以及符合客户期望和数据隐私标准是至关重要的。

可用但不断发展

对于AI的所有进展来说，至关重要的是要承认这项技术仍处于不断成熟的领域。AI系统在很大程度上仍然是独立的，并且缺乏通用标准，可能会使与现有系统的无缝集成成为问题。随着AI开始自主创作或编辑内容，人们仍然担心“有幻觉者”会产生不准确或可能冒犯性输出。

然而，这些挑战正在被像开放神经网络交换（ONNX）这样的计划所克服。ONNX是一个开源标准，得到微软、脸谱、IBM和亚马逊等主要业者支持，并由LF AI和数据基金会管理。它旨在促进AI框架之间的互操作性，允许开发者在一个框架中训练模型，并在另一个框架中部署它们，而无需重写代码。它的主要优点包括增强的灵活性、优化的性能、简化的模型可移植性和跨平台部署，使其成为AI生态系统中的关键标准。

很明显，AI将在媒体和娱乐行业发挥越来越重要的作用，现在是从内容创作到分发的各组织开始探索创新的最佳时机。