人工智能文生視頻大模型在新聞傳播領(lǐng)域的應用探析
摘?要：發(fā)展新質(zhì)生產(chǎn)力是推動高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點。作為新質(zhì)生產(chǎn)力的人工智能文生視頻大模型，Sora的誕生吸引著全球目光。本文從Sora的技術(shù)突破入手，深入探討其在新聞傳播領(lǐng)域的潛在應用價值，并進一步展望Sora在軍事信息傳播領(lǐng)域的廣闊應用前景。
關(guān)鍵詞：人工智能；文生視頻大模型；新聞傳播
2024年2月16日，繼ChatGPT發(fā)布1年左右，OpenAI推出文生視頻大模型Sora，迅速刷屏整個AI圈。這一創(chuàng)新性的技術(shù)突破，不僅將人工智能的應用范圍推向了新的高度，更在新聞傳播和軍事領(lǐng)域展現(xiàn)出巨大的潛力。發(fā)展新質(zhì)生產(chǎn)力是推動高質(zhì)量發(fā)展的內(nèi)在要求和重要著力點。作為新質(zhì)生產(chǎn)力的人工智能文生視頻大模型，Sora的誕生吸引著全球目光。本文從Sora的技術(shù)突破入手，深入探討其在新聞傳播領(lǐng)域的潛在應用價值，并進一步展望Sora在軍事信息傳播領(lǐng)域的廣闊應用前景。
一、人工智能文生視頻大模型Sora的技術(shù)突破
事實上，Sora并非首個文生視頻大模型，在此之前，Runway、Pika、Stable Video Diffusion 已經(jīng)掀起過一波 AI 視頻浪潮。Sora 的橫空出世之所以還能引起如此大的震撼,關(guān)鍵在于它將擴散模型（Diffusion Models）與 ChatGPT 所用的大型語言模型（LLM）相融合，使 OpenAI 在人工智能視頻領(lǐng)域?qū)崿F(xiàn)了三個方面的技術(shù)突破。
長時連貫性和高清分辨率。在視頻生成領(lǐng)域，維持長視頻的時間連貫性是一個挑戰(zhàn)。對比其他文生視頻模型，如Pika僅支持生成一段3秒的視頻，Runway公測版本視頻時長僅為4秒，網(wǎng)頁版最長也僅支持18秒的視頻生成，Sora可以根據(jù)用戶的文本提示（Prompt）創(chuàng)建最長60秒1080P高清分辨率的連貫視頻，在時長上實現(xiàn)數(shù)量級飛躍。Sora的突破得益于NaViT（Native Resolution Vision Transformer）技術(shù)，NaViT 可高效處理任何長寬比或分辨率的圖像，允許它們直接輸入模型而無需事先調(diào)整?；诖思夹g(shù)，Sora能夠生成寬屏的1920×1080p視頻、豎屏的1080×1920p視頻以及它們之間的各種格式，通過無縫處理各種尺寸和形狀的視頻和圖像，大大提高了Sora的靈活性和適應性。
三維一致性和物體同一性。相比 Pika、Runway等只能生成較為單一的鏡頭語言，Sora的一個顯著特點是能夠?qū)崿F(xiàn)“運鏡”，即在一段視頻中圍繞同一主體實現(xiàn)遠景、中景、近景、特寫等不同鏡頭的切換。這意味著在生成的視頻中，攝像機可以模擬真實的移動和旋轉(zhuǎn)效果，使得人物和場景元素在三維空間中以一種連貫和一致的方式移動。此外，Sora還能較好地處理物體和畫面的依賴關(guān)系，這意味著它能夠在視頻中保持人物、動物和物體的一致性，即使它們在畫面中被遮擋或離開。Sora還能在視頻的不同鏡頭中生成同一角色，并確保角色的外觀在整個視頻播放過程中保持一致。這些能力顯著提高了視頻內(nèi)容的質(zhì)量和觀看體驗，盡管在某些情況下，模型仍需改進以確保完全的時間連貫性。
物理世界模擬器。以往的AI生成視頻大部分是基于“大模型+大數(shù)據(jù)”架構(gòu)，難以突破AI幻覺問題。OpenAI 宣稱，Sora已經(jīng)具有了“世界模型”的雛形，其生成的視頻是基于對真實物理世界的理解和重建，它能準確解釋道具并生成引人注目的角色來表達充滿活力的情感。從OpenAI公開的視頻來看，它可以根據(jù)文字描述“一名時髦女士穿梭在充滿溫暖霓虹燈光和動感城市標志的街道上”，生成一段包含有多鏡頭的高清晰視頻，包括從大街景切入對女士臉部表情的特寫，以及潮濕的街道地面反射霓虹燈的光影效果。又如，Sora生成的雪地里打滾玩耍的小狗的視頻，狗的毛發(fā)、神態(tài)，以及用鼻子拱雪時飛濺的雪粒子，所有的效果都讓人感覺非常真實。
二、人工智能文生視頻大模型在新聞傳播領(lǐng)域的應用潛力與價值
以Sora為代表的人工智能文生視頻大模型作為一種新質(zhì)生產(chǎn)力，其應用領(lǐng)域極為廣泛，涵蓋所有需要高效處理文本、圖像和視頻信息的領(lǐng)域，如影視、廣告、教育、醫(yī)療等行業(yè)，同時也展現(xiàn)出在新聞傳播領(lǐng)域廣闊的應用前景。
提高新聞質(zhì)效。傳統(tǒng)的新聞制作流程相對繁瑣復雜，需要大量人力和時間投入。而Sora強大的文本到視頻生成能力，使得新聞工作者能夠迅速將文字描述轉(zhuǎn)化為視頻內(nèi)容。這不僅大大縮短了新聞制作周期，提高了時效性，同時也可保證新聞內(nèi)容的準確性和完整性。特別是在地震、火災等突發(fā)事件報道中，文生視頻大模型可以根據(jù)現(xiàn)場傳來的文字描述和少量圖片，快速生成現(xiàn)場模擬視頻，使用戶能夠第一時間了解事件概況。此外，隨著技術(shù)的不斷進步，文生視頻大模型生成的視頻質(zhì)量也在不斷提升，畫面更加清晰、逼真，為用戶帶來了更加優(yōu)質(zhì)的視覺體驗。
創(chuàng)新報道方式。對于一些復雜的科學原理或技術(shù)進展，傳統(tǒng)的文字和圖片報道往往難以直觀地傳達給用戶。而文生視頻大模型可以通過模擬動畫、3D建模等方式，將這些抽象的概念具象化，生成生動有趣的視頻內(nèi)容。此外，文生視頻大模型還可以應用于一些特殊場景的報道中。比如，在報道一些歷史事件或文化遺產(chǎn)時，由于時間久遠或保護限制，無法獲取現(xiàn)場畫面。這時，文生視頻大模型可以通過模擬重建歷史場景，讓用戶穿越時空，親身體驗歷史文化的魅力。這種創(chuàng)新的報道方式不僅可豐富新聞報道的內(nèi)容形式，也可提升用戶對歷史和文化的認識和興趣。
豐富多媒體生產(chǎn)。在新聞傳播領(lǐng)域，多媒體內(nèi)容的創(chuàng)作和呈現(xiàn)已經(jīng)成為一種趨勢。文生視頻大模型可以將文字、圖片、音頻和視頻等多種媒體形式融合在一起，生成多媒體新聞報道，提高信息的傳達效率，優(yōu)化用戶的閱讀體驗。新聞機構(gòu)可以利用文生視頻大模型來制作更加豐富多樣的新聞報道，如生成虛擬主播進行新聞播報，為用戶帶來新穎的視聽體驗；報道涉及多個地點的新聞事件時，根據(jù)文本描述生成交互式新聞地圖，在地圖上標注事件發(fā)生地、相關(guān)地點以及人員流動等信息，用戶可以通過點擊或拖動來查看更多細節(jié)，獲得更直觀的空間感知。
推動個性化生產(chǎn)。隨著互聯(lián)網(wǎng)的飛速發(fā)展和個性化需求的日益增長，用戶對于新聞內(nèi)容的需求愈發(fā)多樣化和精細化，文生視頻大模型以其獨特的優(yōu)勢可滿足這一迫切需求。對于新聞機構(gòu)而言，文生視頻大模型的引入為其提供了訂制專屬新聞報道內(nèi)容的能力。他們可以根據(jù)用戶的興趣和偏好，將文生視頻大模型與大數(shù)據(jù)算法相結(jié)合，生成符合不同用戶口味的新聞報道，大大提高針對性和可讀性。對用戶而言，文生視頻大模型具有極大的吸引力，他們可以根據(jù)自己的需求，輕松生成個性化的新聞視頻。這種個性化的內(nèi)容生成方式，不僅滿足了用戶的信息獲取需求，還帶來了全新的沉浸式體驗。
三、人工智能文生視頻大模型在軍事信息傳播領(lǐng)域中的應用思考
人工智能文生視頻大模型在軍事信息傳播領(lǐng)域中的應用，既要用于平時，更要用于戰(zhàn)時。
（一）平時應用
人工智能文生視頻大模型憑借其強大的文本到視頻轉(zhuǎn)換能力、個性化內(nèi)容生成功能以及高效的數(shù)據(jù)處理能力，拓寬了平時軍事知識普及、黨史軍史傳播創(chuàng)新、軍事教學傳播優(yōu)化等路徑。
軍事知識普及。普及軍事知識是維護國家安全、提升民眾國防意識的基礎(chǔ)。傳統(tǒng)的軍事知識傳播往往受限于文字和圖片，難以充分展示軍事領(lǐng)域的復雜性和深刻性。而文生視頻大模型通過文字轉(zhuǎn)視頻的方式，將軍事知識以生動、直觀的形式呈現(xiàn)出來，使公眾能夠更容易理解和接受。例如，可以通過制作軍事科普動畫和短視頻，將復雜的軍事知識以簡潔易懂的方式呈現(xiàn)給官兵。這些動畫和短視頻采用生動的畫面和有趣的解說，讓官兵在輕松愉快的氛圍中學習，提高軍事知識的普及率和影響力。文生視頻大模型還可以通過構(gòu)建高清晰度的武器裝備三維模型，結(jié)合線上云展廳，打破時間和空間的局限，為官兵呈現(xiàn)武器裝備的結(jié)構(gòu)及工作原理。這種立體化呈現(xiàn)可以讓官兵對武器裝備有更加深入、直觀的認識，進而激發(fā)官兵愛裝管裝的主動意識。
黨史軍史傳播創(chuàng)新。黨史軍史傳播，是軍事新聞傳播中不可或缺的一環(huán)。文生視頻大模型的應用，不僅可以將這些珍貴的歷史資料以更加鮮活的方式呈現(xiàn)在受眾面前，更能通過其先進的數(shù)據(jù)分析和可視化手段，深入挖掘這些資料背后的深層含義和故事。例如，在軍史館中，可以將文生視頻技術(shù)與虛擬現(xiàn)實和增強現(xiàn)實技術(shù)相融合，重現(xiàn)那些驚心動魄的戰(zhàn)爭場面，讓官兵仿佛置身于戰(zhàn)火紛飛的年代，親身感受先輩們的英勇無畏；在旅、團史館中，可以運用文生視頻技術(shù)帶來的數(shù)據(jù)可視化功能，展示部隊的發(fā)展歷程和重大成就，讓官兵深入了解本單位歷史及傳承；在營、連榮譽室中，文生視頻技術(shù)則可以將那些值得銘記的時刻和事件永久地記錄下來，激勵官兵崇尚榮譽、創(chuàng)先爭優(yōu)，提高部隊戰(zhàn)斗力。
軍事教學傳播優(yōu)化。在軍事訓練教學中，文生視頻大模型的應用遠不止實時視頻生成和高效處理。它的功能強大且多樣，可以深入訓練的各個環(huán)節(jié)，為提升部隊戰(zhàn)斗力和官兵綜合素質(zhì)提供有力支持。例如，文生視頻技術(shù)可以應用于戰(zhàn)術(shù)演練和協(xié)同作戰(zhàn)訓練。通過模擬復雜的戰(zhàn)術(shù)場景和多兵種協(xié)同作戰(zhàn)的虛擬環(huán)境，讓官兵在推演中掌握各種戰(zhàn)術(shù)技巧，提高協(xié)同作戰(zhàn)能力。文生視頻技術(shù)還可以用于心理抗壓訓練?，F(xiàn)代戰(zhàn)爭對官兵的心理素質(zhì)要求極高，文生視頻大模型能夠模擬出緊張、激烈的戰(zhàn)場環(huán)境，讓官兵在訓練中體驗到真實的壓力和挑戰(zhàn)，逐漸適應戰(zhàn)場，提高抗壓能力。
（二）戰(zhàn)時應用
人工智能文生視頻大模型的特殊功能，在戰(zhàn)時軍事信息傳播方面具有廣闊的應用前景。
快速生成戰(zhàn)況報道。文生視頻大模型能夠顯著提高戰(zhàn)況報道的時效性。傳統(tǒng)的戰(zhàn)況報道往往需要依賴現(xiàn)場拍攝和后期編輯，過程繁瑣且耗時較長。而文生視頻技術(shù)能夠迅速將戰(zhàn)況信息轉(zhuǎn)化為直觀的視頻內(nèi)容，實現(xiàn)即時播報。通過輸入詳細的文本描述，不僅可以快速生成包含多種元素和場景的戰(zhàn)況視頻，如戰(zhàn)場環(huán)境、人員行動、武器裝備等，還可以生成不同角度、不同景別的視頻內(nèi)容，使戰(zhàn)況報道更加全面。此外，文生視頻技術(shù)還可以提高戰(zhàn)況報道的準確性和可靠性。衛(wèi)星圖像通常具有較廣的覆蓋范圍和高分辨率，能夠提供戰(zhàn)場的宏觀視圖和關(guān)鍵細節(jié)，無人機偵察數(shù)據(jù)則具有實時性和靈活性，能夠迅速獲取特定區(qū)域的高清視頻和圖像，當文生視頻大模型與這些信息源結(jié)合時，可以形成互補和增強的效果，提供更準確、可靠的戰(zhàn)場信息。
戰(zhàn)場決策直觀呈現(xiàn)。對于指揮員來說，快速、準確地作出決策至關(guān)重要。一方面，通過輸入相關(guān)的文本描述或圖像，文生視頻大模型能夠迅速生成高清視頻，展示戰(zhàn)場的整體布局、敵我力量對比、火力分布等關(guān)鍵信息，為指揮員提供直觀、全面的戰(zhàn)場態(tài)勢。另一方面，在戰(zhàn)場決策中，指揮員往往需要考慮多種可能性和方案，以便在復雜多變的戰(zhàn)場環(huán)境中靈活應對。文生視頻大模型可以根據(jù)指揮員的指令，迅速生成不同方案下的戰(zhàn)場模擬視頻，幫助指揮員更全面地了解各種方案的效果和潛在風險，作出最優(yōu)決策。此外，當指揮部需要向前線部隊傳達作戰(zhàn)指令或調(diào)整作戰(zhàn)計劃時，可以利用文生視頻大模型生成視頻形式的指令內(nèi)容，并通過加密通道進行傳輸。前線部隊在接收指令后，可以迅速理解并執(zhí)行，確保作戰(zhàn)行動的順利進行。
輿情引導信息攻防。戰(zhàn)爭期間，輿情的變化對于戰(zhàn)爭的走向具有重要影響。文生視頻大模型可以利用大數(shù)據(jù)分析技術(shù)，對公眾的情緒、態(tài)度和行為進行深入研究，生成針對性內(nèi)容，精準投送至目標用戶，提高輿論引導的效率。文生視頻大模型還可以創(chuàng)建虛擬意見領(lǐng)袖，為特定的觀點或立場發(fā)聲。這些虛擬人物可以設計得具有高度的真實感和可信度，能夠在社交媒體上吸引大量的粉絲和關(guān)注者，從而影響和引導公眾的觀點。此外，結(jié)合深度偽造技術(shù)，文生視頻大模型還可以生成大量的虛假新聞、謠言等，通過網(wǎng)絡水軍、機器人賬號等方式在對方境內(nèi)廣泛傳播，造成敵方的信息混亂和信任危機。
（作者單位：國防大學軍事文化學院）
責任編輯：姜興華