近日，國(guó)際數(shù)據(jù)公司（IDC）發(fā)布的《中國(guó)視頻云市場(chǎng)跟蹤（2024下半年）》報(bào)告顯示，2024下半年中國(guó)視頻云市場(chǎng)規(guī)模達(dá)到50.8億美元，同比增長(zhǎng)4.7%?；鹕揭鎽{借在視頻內(nèi)容分發(fā)網(wǎng)絡(luò)服務(wù)、直播云服務(wù)及音視頻通信云服務(wù)等領(lǐng)域的持續(xù)突破，進(jìn)一步鞏固了市場(chǎng)競(jìng)爭(zhēng)優(yōu)勢(shì)。

此次報(bào)告中，IDC還首次增設(shè)了AI視頻云Add-on跟蹤研究。火山引擎視頻云依托豆包大模型，憑借在AI領(lǐng)域的積極探索與廣泛實(shí)踐，成為同時(shí)入選“AI實(shí)時(shí)互動(dòng)”與“智能媒體生產(chǎn)”兩大細(xì)分項(xiàng)類的廠商，尤其在“智能媒體生產(chǎn)”領(lǐng)域，更是位列行業(yè)第一。這一成績(jī)彰顯了火山引擎在"AI+視頻云"融合創(chuàng)新賽道的技術(shù)實(shí)力。

如今，我們正從高清流暢的數(shù)字視頻時(shí)代邁向更智能、更交互、更沉浸的AI視頻時(shí)代。隨著視頻云技術(shù)迭代和多模態(tài)大模型突破，"音視頻+AI"正打破場(chǎng)景壁壘，重塑溝通方式、重構(gòu)內(nèi)容生產(chǎn)流程，為用戶帶來全新體驗(yàn)。

作為技術(shù)革新引領(lǐng)者，火山引擎視頻云將豆包大模型和AI能力深度融入音視頻全鏈路，實(shí)現(xiàn)了從生產(chǎn)端、交互端到消費(fèi)端的全面智能化升級(jí)，推動(dòng)行業(yè)進(jìn)入“智造- 智聯(lián)-智享”的新階段。

在生產(chǎn)端，火山引擎視頻云融合豆包大模型 AIGC、ASR 等技術(shù)，實(shí)現(xiàn)多模態(tài)內(nèi)容的高質(zhì)、高效生產(chǎn)。其多模態(tài)視頻理解與生成方案可自動(dòng)提取視頻高光并生成解說內(nèi)容，讓字幕識(shí)別錯(cuò)誤率降低了30%，90集短劇的營(yíng)銷視頻素材生產(chǎn)效率提升20倍。目前，該方案已覆蓋賽事、直播電商、教育和節(jié)目制作等場(chǎng)景。

為了讓內(nèi)容生成更加豐富有趣，火山引擎還為電商打造了多模態(tài)素材生成方案，支持自動(dòng)生成商品氛圍圖、圖文解說視頻及3D模型等多元營(yíng)銷素材，實(shí)現(xiàn)高效多模態(tài)內(nèi)容創(chuàng)作。生產(chǎn)端的升級(jí)，并不止于視頻畫面，聲影同傳方案融合精準(zhǔn)字幕、聲音復(fù)刻和虛擬口型技術(shù)，大幅優(yōu)化觀眾視聽體驗(yàn)。

在交互端，火山引擎通過 RTC 技術(shù)與TTS語音合成的融合，提升人與AI交互的真實(shí)感與流暢度。該方案已經(jīng)廣泛落地于智能助手、AI陪伴、AI教育、智能客服等場(chǎng)景。比如，在兒童陪伴場(chǎng)景，針對(duì)孩子們語速慢、表達(dá)不連貫等特點(diǎn)，火山引擎優(yōu)化了實(shí)時(shí)打斷速度和斷句識(shí)別準(zhǔn)確度，創(chuàng)造一個(gè)更加友好和鼓勵(lì)性的交流環(huán)境。在AI社交陪伴場(chǎng)景，通過智能匹配輸出內(nèi)容與方式，結(jié)合語音與文字構(gòu)建對(duì)話場(chǎng)景及情感背景，讓交互體驗(yàn)更自然真實(shí)。

在消費(fèi)端，火山引擎持續(xù)推動(dòng)虛實(shí)融合的沉浸式體驗(yàn)落地。依托 Beaver 3D生成模型，用戶1分鐘就可以生成高保真3D資產(chǎn)；通過大場(chǎng)景3D重建方案，實(shí)現(xiàn)了對(duì)真實(shí)場(chǎng)景的高質(zhì)量幾何構(gòu)建與外觀重建渲染，廣泛應(yīng)用于虛擬直播、VR直播等場(chǎng)景中。此外，借助 6DOF 直播技術(shù)，觀眾還可360度自由視角觀看直播內(nèi)容。

當(dāng)前，行業(yè)客戶正積極抓住AI帶來的增長(zhǎng)機(jī)遇，推動(dòng)視頻云市場(chǎng)進(jìn)入新一輪的增長(zhǎng)周期?；鹕揭鎽{借其在“AI+視頻云”領(lǐng)域的領(lǐng)先地位和持續(xù)創(chuàng)新，將繼續(xù)引領(lǐng)行業(yè)的發(fā)展，為用戶提供更加智能、高效、沉浸式的音視頻體驗(yàn)。