人工智能技术在新闻制播领域的应用

孙 畅

（山西应用科技学院，山西 太原 030062）

0 引 言

人工智能（Artificial Intelligence，AI）是当今数字时代的关键驱动力之一，其在新闻制播领域的应用正日益引起广泛关注。AI 技术提高了新闻生产效率，为媒体行业带来了个性化内容推送和创新的可能性[1]。本文旨在深入研究人工智能在新闻领域的应用，探讨自动化写作、自然语言处理、AI 语音合成以及深度迁移学习等技术如何改变新闻传播方式，为未来的媒体发展提供有益的见解。

1 人工智能概述

1.1 人工智能的基本概念和发展历史

人工智能是计算机科学领域的分支，旨在使计算机系统具备类似人类智能的能力。其基本概念包括机器学习（即计算机通过数据学习改进执行任务的能力）和深度学习（一种模拟人类大脑神经网络的技术）[2]。人工智能技术诞生于1956 年。直到20 世纪末，随着计算能力的增强和大数据的普及，人工智能技术才取得显著的进展。深度学习、卷积神经网络及循环神经网络等技术的崛起，推动了人工智能技术的快速发展，使其在自然语言处理、计算机视觉及自动化驾驶等领域取得了突破。今天人工智能技术已经广泛应用于医疗保健、金融、交通及媒体等各个领域，成为现代科技和社会发展的关键推动力。

1.2 人工智能的关键技术及发展

人工智能的关键技术包括深度学习（Deep Learning，DL）、人工智能生产内容（Artificial Intelligence Generated Content，AIGC）、自然语言处理以及AI 语言合成等[3]。深度学习技术模仿人类大脑的神经网络结构，用于训练计算机从大量数据中学习和提取模式。目前，深度学习技术已进入升级优化阶段，图像分类、机器翻译等多类感知任务准确率大幅度提升，强化学习、迁移学习等新学习方法发展迅速。基于深度学习理论的优化技术发展迅速。GPT-3 等模型的发展，推动视觉处理、阅读理解等任务处理能力提升。虚拟助手、多语种翻译等智能应用进入规模化应用阶段。随着人工智能越来越多地被应用于内容创作领域，人工智能生产内容的概念悄然兴起。从技术和实现功能角度来看，AIGC 可分为智能数字内容孪生、智能数字内容编辑及智能内容数字创作3 个方面。AIGC 被广泛应用于三维重构、音频修复、语音合成、视觉描述、摘要生成、数字人、智能作画及短片创作等领域。自然语言处理（Natural Language Processing，NLP）是计算机科学、人工智能、语言学关注计算机与人类（自然）语言之间相互作用的领域，支持聊天机器人、语义分析及情感分析等应用。AI 语言合成技术使计算机能够将文本转化为逼真的语音，广泛用于语音助手、有声读物等领域。

2 人工智能技术在新闻制播领域的应用

2.1 人工智能生产内容在新闻制播中的应用

人工智能生产内容与传媒行业的融合应用不断升级，AIGC 作为全新的内容生产方式，全面赋能传媒行业的内容生产，推动新闻行业的制作升级[4]。比如，写稿机器人、采访助手、视频字幕生产、语音播报、视频集锦及人工智能合成主播等，助力新闻采集、编辑、播报的转型升级。

在新闻采编环节，通过语音识别技术，可将录音语音转换成文字，提升新闻编辑的时效性。例如，2022 年冬奥会期间，科大讯飞智能录音笔助力新闻记者进行跨语种语音转写，提升了新闻记者的采访效率。人工智能基于算法自动编写新闻，能够实现智能新闻写作。以腾讯写作机器人Dreamwriter 为例，它是一套基于数据和算法的智能写作辅助系统，每年可生产30 万篇作品，助力新闻生产，通过视频字幕生成、视频锦集、视频拆条及视频超分等实现视频智能化剪辑。2020 年全国两会期间，人民日报社通过智能云剪辑师完成新闻节目的制作工作，如自动匹配字幕、人物实时追踪、画面抖动修复及横屏转竖屏等技术，实现了两会新闻视频的快速生成。

在新闻传播环节，AIGC 主要应用于AI 合成主播新闻播报。AI 合成主播实现了实时新闻语言与人物动画的完美融合，输入新闻文本内容，可自动生成AI合成主播新闻视频，并实现AI合成主播表情、动作的高度拟人化。当前，AI 合成主播的应用领域不断拓展，新华社、中央广播电视总台、人民日报、央视频等纷纷推出AI 合成主播，如新小微、新小浩、小C 及王冠等。AI 合成主播在常规新闻播报领域的应用逐渐成熟，并不断拓展新的应用领域，如多语种新闻播报和手语播报[5]。2022 年冬奥会期间，央视频AI 手语主播“聆语”亮相冬奥会，凭借手语准确、清晰易懂等优点深受大家喜爱。“聆语”具备唇动、面部表情、肢体动作及手指动作等内容生产功能，是2D 形象向3D 形象的重要转变，在冬奥会期间完成手语手势2 000 个，服务人次超216 万次。

2.2 自然语言处理在新闻制播中的应用

自然语言处理（NLP）在新闻制播领域的应用范围广泛，利用计算机算法和语言学知识，使计算机能够理解、处理和生成人类语言的文本[6]。超大预训练模型的发展，推动了NLP 技术的新发展。自2020 年OpenAI 公司推出GPT-3 之后，谷歌、华为、百度、中科院及阿里巴巴等纷纷推出超大规模预训练模型，如Switch Transformer、MT-NLG、盘古及悟道2.0 等，在参数数量与训练数据规模方面有显著提升。超大预训练模型从早期的学习文本数据向文本、图像、语音3 种模态发展。自然语言处理在新闻制播中的具体应用如下。

（1）文本分析和信息提取。理解数字内容是对其编辑和修改的前提。计算机视觉中的图片、视频剪辑和自然语言处理中的生成，都需要语义理解技术。基于生成模型的可解耦语义学习技术能够很好解决这一问题。在新闻制播领域，NLP 技术用于从大量文本数据中提取关键信息，帮助记者和编辑快速获取新闻线索。例如，新闻机构使用NLP 算法来自动识别和提取关于特定主题或事件的关键词和短语。

（2）情感分析。情感分析是一种NLP 应用，用于分析文本中的情感和情绪。在新闻制播中，情感分析可以帮助了解公众对某个事件或话题的情感反应。例如，新闻网站使用情感分析应用来监测社交媒体上对其新闻报道的用户反馈，以了解观众的情感倾向。

（3）文本生成。自动化文本生成是NLP 的一个重要应用，用于生成新闻摘要、报道和新闻稿。以2023 年6 月拓尔思发布的“拓天大模型”为例，其主要功能是内容生产智能助手，基于拓尔思自有的超1 000亿互联网媒体资讯数据、超100亿官媒数据、14 大类知识标引规范、12 000 多条知识标引规则作为专业训练数据，具有内容生成、多轮对话、语义理解、跨模态交互、知识型搜索、逻辑推理、安全合规、数学计算、编程能力以及插件扩展十大基础能力。其在新闻制播领域的应用，能够极大提升新闻的生产效率。

2.3 AI 语言合成技术在新闻制播中的应用

AI 语言合成技术在新闻制播中的应用是将文本内容自动转化为逼真的语音，提供声音新闻、播报和实时信息。为新闻机构创造有声新闻、播音员以及语音助手，改善用户体验。新闻应用和网站使用AI 语言合成技术来为用户提供新闻文章的语音版本，使用户可以在驾车、锻炼或处理多任务时方便地获取新闻信息。AI 语言合成技术还可用于创建个性化的语音新闻播报，根据用户的兴趣和时间表定制播报内容，提供更个性化的新闻服务。在新闻制播领域，AI 语言合成技术的典型应用是5G 智慧电台AI 主播，通过语音合成和深度学习等技术，克隆出媲美真人主播播报能力的AI 主播，能够智能抓取主流官方媒体新闻内容，并依托AI 语音合成技术将新闻文字内容转换成音频。5G 智慧电台已有多位AI 新闻主播，如AI 主播慧琳、AI 主播智文、AI 主播慧嘉、AI 主播智云、AI 主播慧芸及AI主播智凯等。

2.4 深度迁移学习在新闻制播中的应用

深度迁移学习在新闻制播中的应用涉及将已经训练好的神经网络模型迁移到新的任务或领域，以提高模型的性能。在新闻制播中，这项技术用于改进新闻推荐系统。通过将先前训练好的模型用于用户行为分析、内容推荐和个性化新闻策划，新闻机构可以更准确地理解用户兴趣，提供相关、有针对性的新闻内容，提高用户满意度。这有助于增加用户的参与度，提高新闻机构的品牌忠诚度，同时为广告定位提供更有效的平台。以黑龙江广播电视台“基于深度迁移学习的新闻个性化推荐系统”为例，该系统通过分析用户的历史行为数据，利用深度迁移学习技术学习用户的兴趣模式，从而为用户精准推荐他们可能感兴趣的新闻内容。系统运用自然语言处理技术，对新闻内容进行深度的语义分析，以更准确地把握用户的兴趣所在，有效地提高新闻传播的效果，满足用户个性化的新闻需求。

3 结 语

本文探讨了人工智能技术在新闻制播领域的应用，重点介绍了人工智能生产内容、自然语言处理、AI 语言合成技术及深度迁移学习等方面。通过研究发现，人工智能技术的应用可以提高新闻制播的效率和质量，同时能为用户提供更加个性化的新闻服务，实现新闻制播的更高质量和更广泛的影响。