微新創想（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合發布“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提供的視頻創作文字——從主持詞到新聞稿件，甚至詩歌。媒體編輯可在大模型的協助下，一鍵為視頻生成風格各異的解說詞，當前生成內容已覆蓋美食、文化和科技等多個領域。

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，源于跨模態互動技術的最新突破——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的門檻。基于對多模態數據的建模，央視聽大模型可感知圖像的風格與紋理筆觸，通過將用戶輸入的文本指令與圖像對齊，實現按照用戶需求生成畫面及風格一致的其他內容。

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