【精选】AI驱动的广电内容生产发布平台设计与实践|ai驱动的广电内容生产发布平台设计与实践|大模型

本文是《广播与电视技术》2026年1期《AI驱动的广电内容生产发布平台设计与实践》精华版，请访问广电猎酷微信小程序阅读下载全文。

随着人工智能时代的到来，广电内容生产发布平台面临着重大变革。传统广电平台产品边界和系统架构清晰且相对封闭，而如今工具泛行业化、第三方工具迭代加速，给传统广电网络带来内容安全、数据安全、边界安全、访问安全、服务稳定性以及架构包容性和开放性等多方面挑战。本研究旨在探索AI时代广电内容生产发布平台的创新路径，通过引入超融合服务器、虚拟化部署等技术，提升平台安全性、稳定性和开放性，充分挖掘AI潜力。

本文作者：

朱红天

宁波广电集团

第一作者简介：

朱红天（1972—），男，宁波广播电视集团副总裁，高级工程师，硕士。主要从事广播电视工程技术、网络安全、人工智能应用等方面的研究，所主持或参与的项目多次获得广电总局、广播电影电视技术学会科技进步奖。

[本文献信息]

朱红天. AI驱动的广电内容生产发布平台设计与实践[J]. 广播与电视技术, 2026,Vo1.53(01).

AI驱动的广电内容生产

发布平台设计与实践

NO.1

AI提升广电内容生产发布能力和效率的场景与实践

1.1 语音技术的应用

为了促进宁波话的保护和传承，同时打造新型地方媒体应用，宁波广电集团在宁波市科技局的帮助下，与本地高校、科研机构合作，立项构建了支持宁波话的语言识别和语言合成两大模型。这个项目面向影视节目制作领域提供智能化的方言语音交互服务，拓展方言节目创意创作新赛道，形成以方言预训练模型为核心的宁波方言资源保护与活化利用新范式。

1.2 文本生成技术的应用

文本生成技术能够极大地提升广电内容生产业务的效率。宁波广电集团“AIGC融媒创作港”（以下简称“创作港”）在2025年2月成功本地化部署 DeepSeek R1 671B 全量语言大模型，接入了智能文稿模块，通过R1版本的深度思考功能，在新闻文稿创作方面，可快速生成新闻初稿，并具有智能校对功能，记者只需进行润色和审核即可，大幅缩短了新闻制作周期，让工作人员有更多时间专注于创意和深度内容的挖掘。应用文本生成技术可以生成富有创意的剧本、故事梗概等，为影视制作提供灵感源泉，提升节目的吸引力和竞争力。同时，将该技术与移动采编应用相结合，在融媒采编场景下也能发挥极大价值，让创作者随时随地进行创作（如图1所示）。

1.3 多模态生成技术的应用

AI多模态生成在媒体内容生产中效果显著，随着多模态生成模型技术的发展，AI大模型具备更强的表达能力，特别是随着更多具备运镜语言、多镜头切换、多主题生成能力的国产模型的开源，相信多模态生成能力将为广电媒体内容生产带来更大的价值（如图2所示）。

1.4 内容理解与识别技术的应用

近年来，随着大规模视觉-语言预训练（VLP，Vision Language Pretraining）模型的出现，CV和NLP等多模态信息进一步有效融合，使得多模态内容理解的性能步入新台阶。跨模态检索（如图3所示）技术作为重要的下游任务之一，在多模态视频理解和查询中也发挥着重要作用，充分弥补了原有传统关键词（全文）检索的应用局限性，一定程度上解决了检索语义理解及泛化价值内容挖掘的现状问题。

1.5 内容渠道分发策略

在广电媒体自营的端内，通过分析用户的浏览历史和兴趣偏好，实现内容的精准推送，提高内容的曝光率和完播率；在多端分发的过程中，“视频工厂”能够根据不同平台的特点和目标受众，生成不同调性的内容，通过标签的设置，配合传播渠道的客户画像，实现精准地推送（如图4所示）。

1.6 传播效果的时间序列分析应用

宁聚云内容中台时间序列分析服务（如图5所示）可以通过对历史数据的分析，找出内容发布的最佳时间点。例如，根据不同时间段用户的活跃度、不同类型内容的观看趋势等因素，预测出某个特定节目或新闻的最佳发布时间，可以为平台的广告投放提供参考，帮助平台在最佳时间投放广告，提高广告的效果和收益。

NO.2

宁波AIGC融媒创作港实践

在积极拥抱大模型及AIGC能力的过程中，宁波广电集团挂牌成立了“AI应用实验室”，拟订了《人工智能应用管理办法》，为技术研发提供了制度保障和创新环境。

宁波广电集团技术人员集合众多厂家能力，自主研发了“AIGC 融媒创作港”，在研发过程中遵循AI技术工具化、服务全行业的理念，基于互联网思维，面向新媒体，构筑了丰富的AI应用体系。为减少投入，快速落地，研究摒弃了既往重资产投入的思路，采用云上部署，通过智能体建设，综合调用各家大模型能力，以最低的成本、最高效的构筑，完成包括视频、图片、音频、办公等众多能力在内的媒体内容生产工具体系。

目前，“创作港”已经在公域上线，面向全集团及外部的媒体机构、内容生产能力需求单位、个人提供可运营的AI能力服务。

NO.3

AI 应用促进广电内容生产发布平台开放性的实践

伴随着AI能力以月甚至周为单位的快速迭代，以剪映为代表的非专业工具的能力专业性迅速提升，以Langchain/Dify为代表的开源大模型框架迅速普及，相对于既往广电封闭的内部生产网，“创作港”实际上就是一次AI大模型应用背景下开放性的成功实践。

3.1 本地能力与第三方服务结合

“创作港”巧妙地结合了本地部署与第三方接口，极大地提升了系统的灵活性和拓展性。本地部署为平台提供了稳定的基础架构，也确保了数据的安全。而第三方接口的引入则为平台带来了更广泛的资源和创新能力，快速响应市场变化和用户需求。

这种整合本地与第三方资源的方案，推动内容生产巨大变革，研究利用 AIGC 技术成功制作了一系列栏目、短剧、公益片等（如图6所示）。这种创意类的视频，成本不高，但获得了很高的反响，全网传播量数十万次，再次展现了AI在创意表达上的强大推动力。

此外，平台还在精品节目创作、大型活动展示和创新营销手段等多个场景下有效利用 AI，提升了内容生产的效率和丰富多样性。在互动传播方面，平台通过快速接入第三方接口（如换脸、老照片修复、变动图等），实现观众通过多种终端访问平台，参与节目制作和互动体验。

总之，开放平台促进了整合资源，实现了技术研发、内容生产和观众互动传播的协同发展，为全台规模化、智能化内容生产提供了强大的动力，推动了广电行业在AI大潮下的创新发展。

3.2内外网API资源管控与安全集成

随着企业的数字化工具，特别是诸多AI能力数量的逐渐增加，希望将AI能力快速地应用到台内现有的各项业务系统中。但现实情况是，台内应用网络复杂，在线系统不能做任何调改，而不同服务厂商原有的系统结构大不相同。为了解决上述问题，研究引入了低代码的应用总线平台这一高效且成熟的集成方案，通过构建跨系统间标准化的数据和身份认证连接通道，能够满足企业在市场变化中对应用与模型快速迭代的需求。

应用连接总线的核心理念是在不侵入厂商实现服务的前提下，适配不同标准的 API接入和不同类型的数据源接入（如图 7所示）。总线定义为上层各业务模块与应用工具的开放式连接平台，由数据连接器（iPaaS）和账号连接器（iDaaS）两个产品组件构成。对上层各类业务应用来说，仅需按照规范标准提供 API 接口，即可实现用户、数据统一管理和流转。

NO.4

增强AI 内容生成专属性和稳定性

截至目前，面向广电视听领域的生成式人工智能效果仍有待提升，其表现包括模型对特定事物的理解和生成能力不够、跨镜头内容生成稳定性和一致性不强、模型对专业媒体所需的视觉理解（如镜头语言）不够等。为解决此类问题，作为既拥有丰富视听数据内容资源、又对产生更专业视听内容具有强烈要求的媒体，需要从技术架构上提供解决方案，构建新的业务能力。

4.1 专属数据集构建

每个媒体，都有自己独特的内容生成诉求。研究需要在自身专有的数据集基础上对模型进行专门训练，在数据集构建的过程中，需要有智能化的内容理解能力，将内容自适应地拆分为包含一个或多个物件的“单镜头”。为了满足训练所需，还需要其中不存在镜头转换，有一定的运动，继而需要标识出视听数据中的关键元素和语义信息，包含视频内容、质量、美学、安全性、运镜方式等，最终给出原始视听数据和对应的提示词（如图8所示）。

4.2 专属微调模型训练

沉淀了自身专属的数据集后，新的生产发布平台应该建立面向专属模型的训练机制和体系。为了解决模型对特定事物/知识的理解能力不足、对特定领域知识的不足、对特定表述方式了解的不足等问题，比如“熟悉本地地域地标，理解本地特定表述方式，熟知本地风土人情等”，研究需要训练自身的专属微调模型。同时，目前通用生成式人工智能在内容清晰度、连贯性、逻辑性等方面仍存在明显瑕疵，因此，确保生成视听内容的准确性与质量可控性，是推动我国人工智能技术赋能视听产业的重要前提。

NO.5

AI 确保广电内容生产发布平台安全性的措施

5.1 内容防护保障安全

5.1.1 全面检测内容安全

在融合媒体时代全新的交互方式中，内容生产发布平台面临着场景多样、信息体量巨大的挑战，即使在“三审三校”后仍可能有内容风险；库存数据易成为“定时炸弹”，稿库、素材库等大量库存数据需要定期扫描确保内容安全。因此，AI 审核能力成为必须。可以通过AI接收端，全面检测图片、视频、文字、文档等各种素材，识别色情、赌博、涉政、暴恐、血腥等不良内容，有效保障媒体内容的安全。

5.1.2 AI生成内容检测

大模型技术给广电行业带来了内容的新质生产力，也带来了内容真伪验证的挑战。广电需要建立AI音频识别能力，识别主流AI音频工具生成的音频、模仿领导人的合成类音频等，以排查一些风险音频。在AI图像生成识别能力上，图像的质量、图像是否涉及内容安全等应重点关注，因此需要有一种技术，结合图像的风格、内容、频谱等信息，鉴别图像是否来源于某些主流AI工具智能生成、生成结果是否出现肢体异常等常识性问题，抑或是否存在AI涉政、AI色情等内容安全风险。

5.2 版权与数字安全

随着 AIGC 技术的广泛应用，媒体人在使用该技术进行内容创作时，可能会面临版权问题。一方面，媒体人在使用素材时，要严格遵守版权法，确保使用的素材经过授权。另一方面，对于 AIGC 生成的内容，要明确版权归属，避免引发版权纠纷。

NO.6

结束语

展望未来，广电内容生产发布平台的探索空间广阔，可以从以下方向深入研究：一是深化AI与内容生产融合：提升智能创作精细化程度，如优化智能剪辑算法，精准把握视频情感与叙事逻辑；借助AI分析用户数据，实现个性化内容定制，精准推荐节目、投放广告；探索跨媒体内容创作，融合文字、图片、视频等，满足多元需求。二是强化平台稳定性与安全性：结合本地化特点沉淀专属数据集，训练专属模型；加强内容防护技术，提高不良内容识别率与处理速度，明确版权归属；运用先进技术，提升数据安全管理水平。三是拓展平台开放性与创新性：加强与第三方合作，引入先进技术与资源，如与科技企业开发虚拟现实内容，与社交媒体合作传播；积极参与行业标准制定，规范 AI 技术应用与数据管理；探索付费定制、知识服务等新商业模式，拓宽收入来源。

更多技术细节、部署方案与实践数据

欢迎点击小程序查看论文全文！