隨著科技的迅猛發(fā)展，人工智能生成內(nèi)容（AIGC， Artificial Intelligence Generated Content）作為近年來興起的技術潮流，已經(jīng)在眾多領域掀起了變革[1]。特別是在科普視頻創(chuàng)作領域展現(xiàn)了巨大的應用潛力。本文綜述了人工智能生成內(nèi)容在科普視頻中的應用現(xiàn)狀及技術實現(xiàn)，分析了國內(nèi)外典型案例，并探討了其未來發(fā)展趨勢。人工智能生成內(nèi)容技術不僅顯著提升了內(nèi)容創(chuàng)作的效率，還明顯降低了創(chuàng)作門檻。盡管如此，人工智能生成內(nèi)容在科普視頻的應用中仍面臨技術局限、倫理和版權問題等挑戰(zhàn)。未來，人工智能生成內(nèi)容與增強現(xiàn)實（AR）和虛擬現(xiàn)實（VR）等技術的結合，有望為科普內(nèi)容的創(chuàng)作與傳播提供新的路徑和可能性。

1 人工智能生成內(nèi)容在科普視頻中的應用現(xiàn)狀

1.1 自動生成視頻內(nèi)容

新華網(wǎng)推出的“新華智云”平臺是一個典型的例子，該平臺運用了人工智能生成內(nèi)容技術來自動生成科普視頻內(nèi)容。比如，“新華智云”曾推出的一系列關于火星探測的視頻，不僅展現(xiàn)了火星的地貌，還通過人工智能生成內(nèi)容技術模擬了火星車的探測過程，為觀眾提供了一個身臨其境的體驗，極大地提升了科普的效果。

1.2 虛擬主播與講解

嗶哩嗶哩上的虛擬主播“洛天依”是人工智能生成內(nèi)容技術應用的一個成功案例。利用深度學習算法，洛天依能夠用自然語言進行科學知識的講解。比如，在一個關于“宇宙起源”的視頻中，她通過生動的語言和擬人化的表達方式解釋了大爆炸理論、恒星演化等復雜的天文學知識。虛擬主播不僅提高了視頻的互動性，還通過其個性化和高度擬真的形象吸引了大量年輕觀眾。

1.3 數(shù)據(jù)可視化

騰訊新聞的“天文頻道”常采用人工智能生成內(nèi)容技術進行數(shù)據(jù)可視化展示，這在解釋復雜科學現(xiàn)象時尤為有效。例如，在報道一次新的黑洞發(fā)現(xiàn)時，騰訊新聞利用人工智能生成內(nèi)容技術生成了詳細的黑洞光盤模擬圖和X射線光譜圖。這些高質量的可視化內(nèi)容使得觀眾能夠更直觀地理解科學現(xiàn)象和研究結果。

1.4 個性化科普內(nèi)容

科大訊飛的“AI小助手”是人工智能生成內(nèi)容技術在個性化科普內(nèi)容方面的代表應用。該應用根據(jù)用戶的興趣和學習進度，利用人工智能生成內(nèi)容技術動態(tài)生成個性化的科普視頻內(nèi)容。例如，對于中小學生，系統(tǒng)可能生成淺顯易懂的動畫版黑洞介紹，視頻中用通俗的語言和簡單的圖案來解釋復雜的科學概念；而對于科學愛好者，則會推送更專業(yè)深入的講解視頻，詳細探討黑洞的物理特性、空間與時間的扭曲等專業(yè)知識。這種個性化的內(nèi)容推薦不僅提高了學習效果，還顯著提升了用戶體驗和滿意度。

2 人工智能生成內(nèi)容在天文科普視頻中的技術實現(xiàn)

人工智能生成內(nèi)容在視頻中的應用離不開計算機技術的支持，計算機技術在人工智能生成內(nèi)容中主要用于圖像生成與處理、視頻編輯等，讓生成的內(nèi)容更具視覺吸引力[2]。

2.1 圖像生成

生成對抗網(wǎng)絡（GAN）和裝飾板（DALLE）的圖像生成技術，根據(jù)文本描述，生成高質量的圖像。例如，裝飾板是一種變體自回歸模型，可以生成高度符合文本描述的圖片，其實現(xiàn)方法包括：

①文本編碼：將輸入的文本描述轉化為特征向量。②圖像生成：通過解碼器網(wǎng)絡生成符合文本描述的圖像。③對抗訓練：使用生成對抗網(wǎng)絡的方式，通過生成器和判別器的對抗訓練，提高生成圖像的逼真度和一致性。

2.2 圖像處理與編輯

圖像處理與編輯技術用于生成視頻內(nèi)容或對現(xiàn)有視頻進行編輯。例如，深度視頻肖像（Deep Video Portraits）技術能夠實現(xiàn)虛擬角色的視頻生成，通過捕捉真人的動作和表情，生成逼真的虛擬講解員視頻。其實現(xiàn)方法包括：

①動作捕捉：使用攝像頭捕捉真人的面部表情和動作。②生成網(wǎng)絡：通過神經(jīng)網(wǎng)絡模型，將捕捉到的動作應用到虛擬角色上，生成動態(tài)視頻。③后期處理：對生成的視頻進行優(yōu)化和渲染，提高視頻質量和自然度。

2.3 生成對抗網(wǎng)絡

生成對抗網(wǎng)絡由生成器和判別器組成，通過相互對抗訓練，使生成器生成的內(nèi)容越來越逼真。風格生成對抗網(wǎng)絡（StyleGAN）和大生成對抗性網(wǎng)絡（BigGAN）是其中的成熟技術，它們被廣泛應用于高質量圖像和視頻生成。其實現(xiàn)方法包括：

①生成器訓練：生成器通過隨機噪聲輸入生成圖像。②判別器訓練：判別器對生成的圖像進行真?zhèn)闻袛?，給予反饋。③對抗訓練：生成器和判別器交替訓練，生成器不斷提高生成圖像的質量，使判別器越來越難以分辨真實圖像和生成圖像。④風格轉移：通過風格生成對抗網(wǎng)絡，可以進行圖像的風格轉移，生成多樣化的圖像風格，提升視覺表現(xiàn)力。

3 生成對抗網(wǎng)絡在科普視頻創(chuàng)作中的優(yōu)勢

3.1 提升內(nèi)容創(chuàng)作效率

傳統(tǒng)的科普視頻制作通常需要長時間的準備、拍攝和后期制作，而生成對抗網(wǎng)絡技術則能夠大大縮短這一過程。通過自動化工具，創(chuàng)作者可以在短時間內(nèi)完成從腳本到成品視頻的制作流程。這種高效性對于科普創(chuàng)作的普及和推廣具有重要意義[3]。

3.2 降低創(chuàng)作門檻

過去，制作高質量的科普視頻往往需要專業(yè)的天文知識和視頻制作技能。而生成對抗網(wǎng)絡技術的出現(xiàn)，使得即便是非專業(yè)人士，也能夠參與到科普視頻的創(chuàng)作中來。這不僅擴大了創(chuàng)作者的群體，也使得更多優(yōu)質內(nèi)容得以傳播。

3.3 增強視頻的互動性和趣味性

通過虛擬主播、動態(tài)生成內(nèi)容等生成對抗網(wǎng)絡技術，科普視頻能夠提供更具互動性和趣味性的觀影體驗。觀眾可以根據(jù)自己的需求和興趣，實時調整視頻內(nèi)容，甚至參與到內(nèi)容的生成過程中。這種互動性大大提升了觀眾的參與感和學習效果[4]。

3.4 科學性與視覺效果的平衡

科普視頻在追求科學嚴謹?shù)耐瑫r，也需要兼顧視覺效果的吸引力[5]。生成對抗網(wǎng)絡技術通過物理模擬、數(shù)據(jù)可視化等手段，使得復雜的天文現(xiàn)象得以以科學、真實且觀賞性強的方式呈現(xiàn)出來。這種平衡對于增強科普視頻的傳播效果至關重要。

4 國內(nèi)生成對抗網(wǎng)絡文生視頻產(chǎn)品

4.1 華為盤古大模型

盤古大模型是華為開發(fā)的基于深度學習的系列大模型，覆蓋了多模態(tài)任務。盤古視頻（Pangu Video）是其中的視頻生成模塊。依托華為在自然語言處理和計算機視覺領域的技術積累，該模型結合了語言理解和視頻合成技術，能夠根據(jù)復雜的文本描述生成多樣化的高質量視頻。

4.2 百度文心一格

文心一格是百度基于文心大模型開發(fā)的多模態(tài)生成模型，能夠從文本生成圖片和視頻。該模型結合了大規(guī)模預訓練模型的強大語言理解能力和圖像、視頻生成能力，生成的視頻細節(jié)豐富、風格多樣，且可根據(jù)不同輸入生成定制化內(nèi)容。 生成時長通常為幾秒到數(shù)十秒的視頻，適合短視頻制作，但由于模型的靈活性較強，也可以生成更長的視頻。

4.3 騰訊混元助手（AIDE）

混元助手是騰訊推出的大型人工智能模型，具備多模態(tài)生成能力，包括從文本生成圖像和視頻的功能。該模型基于騰訊在自然語言處理和視覺計算領域的深厚積累，能有效生成復雜場景下的動畫視頻或寫實視頻，適用于多種行業(yè)需求。生成時長可以從幾秒到數(shù)分鐘不等。模型可以根據(jù)輸入的文本復雜度和用戶需求，生成不同長度的視頻，較長的敘事性視頻可能需要更多的生成時間和計算資源。

4.4 阿里巴巴 M6

阿里巴巴M6大模型是超大規(guī)模的多模態(tài)生成模型，具備圖像和視頻生成能力。M6結合了阿里巴巴的自然語言處理和視覺生成技術，特別適合電商領域的產(chǎn)品視頻展示和廣告生成。此外，該模型還能根據(jù)用戶需求生成創(chuàng)意視頻，提升品牌推廣的視覺效果。

5 生成對抗網(wǎng)絡在科普視頻中的挑戰(zhàn)

5.1 技術的局限性

盡管生成對抗網(wǎng)絡技術在內(nèi)容生成方面展現(xiàn)了巨大的潛力，但目前仍存在一些技術局限。例如，生成的虛擬主播在表現(xiàn)復雜情感和細微表情時，仍然無法與真人相媲美。此外，生成內(nèi)容的科學性和準確性仍然依賴于輸入數(shù)據(jù)的質量，若數(shù)據(jù)存在偏差，可能導致誤導性內(nèi)容的產(chǎn)生。

5.2 倫理與版權問題

生成對抗網(wǎng)絡的廣泛應用也帶來了倫理和版權問題。自動生成內(nèi)容是否侵犯了原作者的知識產(chǎn)權，以及虛擬人物的肖像權如何界定，都是需要解決的問題[6]。此外，如何確保生成對抗網(wǎng)絡生成內(nèi)容的真實性和科學性，避免虛假信息的傳播，也成了一個亟待關注的領域。

5.3 跨學科合作與技術整合

科普視頻的創(chuàng)作不僅僅依賴于天文學科等相關領域的知識，還需要計算機科學、藝術設計等多學科的合作。未來，生成對抗網(wǎng)絡的發(fā)展趨勢之一是更為緊密的跨學科合作，結合多領域的技術優(yōu)勢，生成更為豐富和多樣化的科普內(nèi)容。

5.4 內(nèi)容個性化與定制化趨勢

隨著用戶需求的多元化發(fā)展，生成對抗網(wǎng)絡在內(nèi)容個性化方面的潛力將進一步釋放[7]。未來，科普視頻可能不再是“千篇一律”的，而是可以根據(jù)不同用戶的需求和學習進度，實時生成專屬的科普內(nèi)容。這種定制化趨勢將使得科普更加貼近觀眾，提高用戶的學習體驗。

5.5 增強現(xiàn)實與虛擬現(xiàn)實的結合

生成對抗網(wǎng)絡與增強現(xiàn)實和虛擬現(xiàn)實技術的結合，將開辟科普的新天地。例如，通過沉浸式體驗，觀眾可以“身臨其境”地探索宇宙，感受天文現(xiàn)象的震撼。這不僅提高了科普視頻的吸引力，也為天文學的教育和傳播提供了全新的視角。

6 結語

生成對抗網(wǎng)絡技術的興起為科普視頻創(chuàng)作帶來了前所未有的機遇和挑戰(zhàn)。它不僅提高了內(nèi)容生產(chǎn)的效率，降低了創(chuàng)作門檻，還為科普內(nèi)容的表現(xiàn)形式注入了更多的創(chuàng)新可能性。中國的領先人工智能公司，如百度、華為、騰訊和阿里巴巴，已在生成對抗網(wǎng)絡科普視頻創(chuàng)作領域做出了重要貢獻。盡管在技術、倫理和跨學科合作等方面仍面臨諸多挑戰(zhàn)，但隨著技術的不斷發(fā)展和完善，生成對抗網(wǎng)絡必將在科普領域發(fā)揮越來越重要的作用。

引用

[1] 劉明亮.人工智能生成內(nèi)容（AIGC）技術特征及應用場景分析[J].信息記錄材料，2023，24（10）：234-236.

[2] 趙宇.人工智能生成內(nèi)容（AIGC）在虛擬現(xiàn)實交互影像中的應用與探索[J].現(xiàn)代電影技術，2023（8）：59-64.

[3] 姜莎，趙明峰，張高毅.生成式人工智能（AIGC）應用進展淺析[J].移動通信，2023，47（12）：71-78.

[4] 胡冬梅，雷桐.AIGC：影視內(nèi)容生產(chǎn)的變革動能[J].科技傳播，2023（21）：101-105.

[5] 寧蔚然.AIGC對影視實踐教學的教育應用與展望[J].教育進展，2023，13（12）：10130-10135.

[6] 劉海明，陶鵬輝.媒體數(shù)字內(nèi)容AIGC版權實踐的模仿倫理：爭議、界限與原則[J].新聞愛好者，2024（7）：27-31.

[7] 楊敏然，張新興，陶榮湘.現(xiàn)狀與趨勢：國內(nèi)人工智能生成內(nèi)容（AIGC）研究透視[J].圖書館理論與實踐，2024（2）：56-65.

作者簡介：肖疆（1994—），男，重慶人，碩士，助理館員，就職于上海天文館（上?？萍拣^分館）。