微新創(chuàng)想（idea2003.com）7月24日 消息:7月20日，上海人工智能實驗室（上海AI實驗室）、中央廣播電視總臺聯(lián)合發(fā)布“央視聽媒體大模型”(CMG Media GPT)。

目前，央視聽大模型具備了強大的視頻理解能力和視聽媒體問答能力，同時，央視聽大模型可根據(jù)提供的視頻創(chuàng)作文字——從主持詞到新聞稿件，甚至詩歌。媒體編輯可在大模型的協(xié)助下，一鍵為視頻生成風(fēng)格各異的解說詞，當前生成內(nèi)容已覆蓋美食、文化和科技等多個領(lǐng)域。

央視聽大模型還為用戶提供了強大的交互式圖像、視頻編輯與創(chuàng)作能力，用戶僅需使用簡單的光標和文字指令，即可快速修改或編輯圖像。

上海AI實驗室科研團隊介紹，央視聽大模型具備的視覺理解能力，源于跨模態(tài)互動技術(shù)的最新突破——大模型將圖像/視頻視為另一種“語言”，并將視覺與語言對齊，從而降低人工智能視覺任務(wù)的門檻。基于對多模態(tài)數(shù)據(jù)的建模，央視聽大模型可感知圖像的風(fēng)格與紋理筆觸，通過將用戶輸入的文本指令與圖像對齊，實現(xiàn)按照用戶需求生成畫面及風(fēng)格一致的其他內(nèi)容。

除了視頻內(nèi)容，央視聽大模型還具備快速生成“數(shù)字人主播”的能力。使用較短的真人采集視頻即可生成對應(yīng)的數(shù)字人。AI生成的數(shù)字人主播以“真人”形象呈現(xiàn)，不僅能根據(jù)既定文案和背景場景快速生成播報視頻，還可自動學(xué)習(xí)真人的語言及動作習(xí)慣，做到形象更逼真，表情更自然。