本文是《廣播與電視技術》2026年4期《視聽大模型驅動下媒體融合的產業發展路徑研究》精華版，請訪問廣電獵酷微信小程序閱讀下載全文。

論文梳理了國內視聽大模型的技術演進歷程，并從生產模式、商業模式和業務流程三個維度分析研究了驅動媒體融合創新的機制與路徑。同時，還針對當前面臨的高質量訓練數據稀缺、數據隱私與版權風險、AI幻覺及技術與業務融合困難等挑戰，提出了建立高質量數據集、強化隱私與版權保護、推進人機協同治理等發展策略。

本文作者：

潘新

遼寧廣播電視集團[臺]

第一作者簡介：

潘新（1979—），男，中共黨員，大學學歷，高級工程師，遼寧廣播電視集團（遼寧廣播電視臺）融媒體技術中心主任。主要從事融媒體建設、人工智能、大數據技術方 面的研究，曾主導遼寧省融媒體省級技術平臺項目建設。

[本文獻信息]

潘新. 視聽大模型驅動下媒體融合的產業發展路徑研究[J]. 廣播與電視技術, 2026, VoL.53(4).

視聽大模型驅動下媒體融合的

產業發展路徑研究

01

視聽大模型技術概述

全球AI大模型競爭日益激烈，視聽大模型沿著從靜態到動態、從編輯到生成、從單模態到多模態協同的路徑快速迭代。國外市場注重前沿技術探索與底層突破，國內市場則以應用落地和快速迭代為特征。

02

驅動媒體融合

創新機制與路徑分析

2.1 生產模式創新

視聽大模型正驅動內容生產從封閉式、線性化專業生產轉向開放化、智能化的人機協同創新。一是全鏈路賦能，模型深度介入從創意、制作到后期的全流程，通過自動化完成粗剪等工作，系統優化傳統耗時環節。二是人機協同，創作者通過設計指令引導模型持續學習并輸出符合預期的內容， 重構生產主體與生產關系。例如《中國神話》《千秋詩頌》等案例中，大模型參與多環節制作，使制作周期大幅縮短，從傳統模式下的月產1集提升至月產3集，單位劇集的人力與時間成本顯著降低。

2.2 業務流程融合

視聽大模型正從底層重構傳統內容生產的業務流程，推動形成以智能技術為核心的一體化、高效化生產模式。大模型對業務流程的融合再造主要體現在信息采集和內容生產兩個環節。在信息采集階段，通過多模態感知技術自動識別解析多渠道信息，極大拓展信源范圍；在內容生產階段，借助跨媒體理解與生成能力，將不同格式的素材轉化為結構化數據，自動完成剪輯、配音、字幕生成等任務，提升效率與內容形式的多樣性。

2.3 商業模式探索

當前視頻內容消費需求旺盛，為視聽大模型商業化提供了廣闊空間，但市場格局尚未固化，正處于多元探索階段。從服務模式看，主要分為面向個人用戶的To C服務與面向企業機構的To B服務，To C服務以訂閱制為主，To B服務主要通過API接口調用與行業定制化解決方案收費；從商業化路徑看，以API調用、訂閱制、廣告植入與定制化解決方案四類為主。

03

視聽大模型應用的風險與挑戰

3.1 訓練數據稀缺

高質量訓練數據稀缺是視聽大模型向專業媒體領域深化 應用的核心瓶頸。適配新聞、影視等垂直場景時，數據獲取門檻高，且需滿足準確性、版權與倫理等多重要求，導致視聽數據成為稀缺資源。數據不足直接限制模型對專業場景的理解與生成能力，輸出難達可用、可信、可控的專業標準。

3.2 數據隱私與版權風險

視聽大模型應用面臨法律和倫理的雙重挑戰。一是數據隱私風險，視聽數據常包含人臉、聲紋、地理行蹤等生物識別信息和個人活動軌跡，若未嚴格匿名化處理，可能在生成內容時泄露敏感信息；二是版權侵權爭議，模型易模仿受保護藝術風格或復用IP元素進行生成。

3.3 AI幻覺

AI幻覺主要由訓練數據缺陷與模型理解局限導致，訓練語料包含偏見或錯誤信息，且模型依賴統計規律而非真正理解世界，易混淆事實與虛構。

3.4 技術與業務場景融合的系統性挑戰

單一的通用大模型往往難以完整覆蓋端到端的業務流程。在實際落地時，常需構建由多個模型協同工作的混合智能系統，并進行復雜的業務流程適配。一般是由通用大模型進行宏觀任務的理解和規劃，而垂直模型則處理高精度、高實時性的具體任務，但這種“大小模型協同”的系統架構設計，面臨著極高的技術集成問題，同時還存在接口標準不統一等困難。

04

視聽大模型賦能

媒體融合的路徑策略

4.1 建立高質量視聽數據集

聚焦文本、圖像、音頻、視頻等多模態數據，打通數據匯聚、清洗、標注、訓練、開發和應用全鏈條，規范數據采集、處理和共享流程，逐步統一分辨率、色域、幀率、聲場等技術指標。媒體機構可通過合作、自研等多種方式，圍繞多元場景建設高品質可信視聽數據集。

4.2 強化數據隱私與版權保護機制

探索建立視聽數據版權保護機制，規范數據使用許可，避免生成或傳播涉及隱私的虛假視頻導致隱私泄露。針對視聽數據包含人臉、聲紋等生物識別信息，在數據收集、訓練與生成全流程中嚴格落實匿名化脫敏與合規性管控，防止生成內容無意識還原敏感信息。在此基礎上完善版權授權與合規機制，推動建立“授權、生成、溯源”全鏈條版權保護機制。同時，強化技術防控能力建設，鼓勵多模態違規識別、深度偽造檢測等技術的研發應用。

4.3 人機協同治理

建立“AI生成+人工核驗”的雙重審核機制，對涉及新聞、史料等事實密集型內容實行強制性的專業校對，尤其要防范廣告、營銷等場景中看似合理但缺乏數據支撐的虛假陳述；此外，還應推動可解釋性AI技術的應用，讓模型在輸出內容時標注可信度或信息來源，并逐步建立視聽內容生成的事實核查行業標準，從而在提升生成效率的同時，確保內容在專業場景中達到可用、可信、可控的底線要求。

05

結束語

大模型時代，視聽大模型正在從生產模式、業務流程與商業生態三個維度 重構媒體行業生態，在應用發展中也面臨諸多風險與挑戰。視聽大模型的融合應用是一場技術、治理與能力并行的系統工程，未來的發展需要在推進技術創新的同時，進一步提升數據質量的精度，拓展模型優化的深度，加強應用適配的廣度，最終成為驅動媒體融合高質量發展的動力。

更多技術細節、部署方案與實踐數據

歡迎點擊小程序查看論文全文！

end

參考文獻

[1] 李建勛.交互新變革:視聽大模型的發展與運用[M].社會科學文獻出版社, 2024.

[2] 郭全中,張金熠.作為視頻世界模擬器的Sora:通向AGI的重要里程 碑[J]. 新聞與傳播研究, 2024(4): 9-14.

[3] 金榮.AI系列專題跟蹤——視頻及圖像生成模型[M].華安證券, 2025.

[4] 王兵,白鈺麒,陳志業,程皓楠.面向視聽文化產業的大模型微調技術研究[J]. 現代電影技術, 2024(10): 29-36.

[5] 李飛,張廣亮,敖波,曾杰梁.大模型技術發展及廣電視聽行業大模型應用分析[J].廣播與電視技術, 2025, 52(11): 32-34.

[6] 于驕陽.央視聽媒體大模型的創新研究[D].上海:上海師范大學, 2024.

[7] 馬翾翾.大模型時代視聽新聞智能生產創新路徑[J].西部廣播電視, 2024: 9-12.

[8] 鄧秀軍,別明蔚.大模型時代視聽新聞智能生產的流程再造與路徑重構[J].出版廣角,2024,458(8):48-53.

[9] 呂倩.視頻模型賽道“熱鬧”起來了但變現仍不容易[N].第一財經日報, 2025-07-08(A09).

[10] 唐錚,林子璐.生成式人工智能與新聞業:賦能、風險與前瞻[J].新聞與寫作,2023(8): 97-104.

[11] 曾震宇,韓永相, 張廣亮.構建視聽行業大模型加速未來電視產業數字化轉型[J].現代電視技術,2024(6):20-23.

《廣播與電視技術》“廣電獵酷”廣告經營與商務合作：

聯系人：胡南

聯系電話：13671012778

好文共賞請轉發 有話要說請留言