大模型时代的内容治理

更多智能，更多内容，更多知识 腾讯云传媒物联与新⽂创业务中⼼ 03 02 01 内容治理方案建设 内容治理业务分析 内容治理技术发展 内容治理业务分析 现有治理依旧存在痛点 媒体⾏业的内容是丰富的、多元化的，是重要的业务资产 各类栏⽬成品视频、素材、赛事、活动、历史影像等视频 拍摄图⽚、历史图⽚、地标风光图⽚等图⽚ ⼴播、采访、⾳乐、播客等⾳频 新闻稿、采访稿、规章制度、⽩⽪书、书籍、政策等⽂稿 运营报表、节⽬播出统计表、活动调研表、语料数据等企业知识 内容管理现状：缺乏全域的内容管理，内容应⽤受技术和数据限制 内容数据烟囱化 需要建设可信数据 需要发展特⾊内容 AI应⽤存在局限 AI应⽤没有全⾯渗透⾄媒体各个业务，尽管诸如ASR、翻译、转码等在⽣产场景中有 ⼀ 定 提 效，但 从 内 容 检索、内容运营上，依旧存在AI处理结果与业务标注需求的明显差异、检索⽅式和召回不够、已建AI平台不满⾜多业务调⽤等。 随着⼤模型和Agent的技术发展，不管是知识问答、内容⽣产等场景，在实际应⽤后，都体现了好的落地 业 务，除 了 依 赖 于 技术，更需要有“可信内容数据”基础，进⼀步建设媒体⽣产模型、⾼质量数据集基 座，打 造 媒 体 数 据 飞轮。 融媒转型中，内容管理和应⽤/⼯具系统拓展，因多⽅⼚商参与建设，标准及拓展性各有差异，导致⼤部分项⽬业务系统带对应的内容库，落 地 成“烟 囱 式”的 系 统 架构，实则重复建设、数据割裂。 内容需要进⼀步盘活、挖掘价值，⽣产、管理、运营⾃⾝的特⾊内容，是新型媒体的内容范式趋势。 现有媒资系统或内容管理系统 体 系，因 智 能 化 ⽔ 平 不⾜、流程设计固化、数据信息⽋缺等原因，⽆法⽀撑特⾊品质内容的⽣产范式。 回到需求思考，新型的内容资源管理中⼼落地关注点和建设⽬标 AI时代的内容管理中⼼，需要多元、灵活、特⾊、可靠，才能进⼀步增效、创收 内容治理技术发展 ⼈⼯——AI原⼦能⼒——⼩模型智能应⽤——⼤模型⼯作流 内容治理随着AI的发展，开始从单模态、离散状态，转变为跨模态、强关联状态 AI原⼦能⼒ 多数服务于单点业务 跨模态能⼒弱，落地场景不全 全⾯、灵活、聪明 •智能编⽬：结合基础信息识别AI能⼒、视频场景拆条算法、摘要算法等进⾏•智能审核：融合涉政、涉黄、涉暴等多个⼩模型算法打造审核应⽤ •语⾳识别：字幕⽣成、播报转写•翻译：新闻⽂稿翻译•⼈脸识别：系统登录、安防场景•⽂字识别：发票扫描、 •更强的语义理解、⾳视频理解模型，带来更有关联性的跨模态理解•更灵活接⼊媒体AI处理插件•能更充分解析到内容的深层含义，让治理更准 以视频治理为例： 基于智能标签的视频治理应⽤现状： 通过多项AI能⼒的融合串联和并⾏处理，实现结果信息全⾯⾼效输出。 存在的问题：视频类型发⽣变化后，需要重新训练；难以将视频画⾯、⾳频做关联理解的打标。 基于跨模态理解的视频治理现状： 基于⽂本-图像对的跨模态学习⽅法，能够理解并关联视频中的图像、⽂本信息，⼤⼤改善了传统⽂本关键词检索的局限。存在的问题：主要是画⾯镜头维度配对，⽆法检索到如具体事件、具体话题的检索（如**领导站在**地⽅，发表**演讲的⽚段）。 基于全⽂+向量检索的视频治理 基于媒体AI类能⼒，将视频的⾳频、画⾯信息，结合LLM\MLLM，转成⽂本描述，并存⼊⾄向量库中，结合RAG检索增强⽣成的能⼒，对内容检索。优势：能更全⾯地考虑到视频的多维度信息，并且建⽴关联，处理更加⾼效。 内容治理⽅案建设 ⾳视频治理——⾼质量⾳视频数据集——⽂档数据治理——企业知识管理 ⾳视频治理——新闻类、赛事类、资讯类视频治理 视频类媒资 业务应⽤ 基于媒资内容的专业知识问答，如养⽣助⼿、财经助⼿等 该场景的媒资要求： 有完整的节⽬台本，或是播报/访谈类的节⽬等。可基于视频的⼝播内容让进⾏内容理解和切⽚ ⽰例： 新闻联播、财经新闻、养⽣堂... ⾳视频治理——纪录⽚、电视剧类治理 视频类媒资 业务应⽤ 该场景的媒资要求：镜头变化明显，⾮固定场景画⾯（如采访等），视频⽆明显质量问题。 •专栏内容快速⽣产，如某⼈物的集锦回顾•赛事⾼燃集锦•地标特⾊内容库 ⽰例：乒乓球⽐赛、航拍中国... 图⽚类治理⽅案 ⼩模型+MLLM分析，保证细分标签的同时，更懂图像内容，⽅便后期检索 全模态内容管控与搜索⽅案 ⾼质量视频数据集建设 以镜头为例讲解⾼质量镜头数据集建⽴ 建设数据处理流程管线，打造精品训练视频集 混元⼤模型视频镜头分析参考 镜头内容分析 美学分析 ⽔印识别 ⼈脸识别 视频分类 镜头分析 视频是⼀个中景镜头，展⽰了四位年轻⼥性在公园⾥享受野餐的场景。她们坐在⼀块铺在草坪上的⽩⾊毯⼦上。左边的⼥性是⾦发，⽪肤⽩皙，穿着⼀条带有花卉图案的⽩⾊连⾐裙。她旁边的⼥性有着长长的棕⾊头发和⽩皙的⽪肤，穿着⼀条⽩⾊连⾐裙。右边的⼥性有着长长的⿊发和⽩皙的⽪肤，穿着⼀条浅蓝⾊连⾐裙。中间的⼥性有着长长的棕⾊头发和⽩皙的⽪肤，穿着⼀条⽩⾊连⾐裙。前景中有⼀个装着⾯包的篮⼦和⼀束黄⾊的花。背景是⼀⽚郁郁葱葱的森林。摄像机是静⽌的，捕捉到了⼥性们的互动和野餐的宁静氛围。视频风格写实，描绘了⼀个随意⽽愉快的户外聚会。 视频以⼀个中景镜头开始，展⽰了⼀位⽪肤⽩皙、红发的男⼦，他穿着蓝⾊西装和⽩⾊衬衫，从电梯⾥⾛出来。紧随其后的是⼀位⽪肤⽩皙、长棕发的⼥⼦，她穿着灰⾊西装和⽩⾊衬衫。摄像机跟随他们⾛出电梯，进⼊⼀个有⼤理⽯地板和玻璃墙的⼤厅。摄像机向右平移并向上倾斜，跟随这对男⼥⾛向接待台。接待台由⽊材和玻璃制成，后⾯有两位接待员。男⼦和⼥⼦⾛近接待台，男⼦向接待员打招呼。摄像机拉近镜头，聚焦在这对男⼥与接待员交谈的场景。视频以⼀个中景镜头结束，展⽰了站在接待台前的男⼦和⼥⼦。 ⽂档数据治理——⽂档结构化切分 ⼀级标题 ⼆级标题 技术部 操作⼿册 播出标准 运维⼿册 ⼀级标题 ⼊特定知识库 原始⽂档 ⼆级标题 栏⽬部 办公相关 节⽬库 ⽂稿库 ⽂档类数据治理——数据问答 关键能⼒ •⾃动数据链路：⽀持⽤户上传⽂档，⾃动进⾏数据处理、解析、向量化等步骤•DocumentAI：解析⽂档中的多模态数据，针对结构化数据，进⾏⾃动提取，并导⼊数据库进⾏精准分析•知识库集成：内置全托管ES知识库，知识基于⽤户第三⽅知识库创建⾃有知识库•联⽹搜索：融合公共知识和私有知识，对数据进⾏全⾯检索和解析 应⽤场景 •⾏业研报解读、咨询报告智能检索•企业知识管理 客户价值 •开放数据存储，⽆缝对接原有⽣态•DocumentAI多种格式⾃动⽂档解析，结合⽂本检索和数据分析 ⽂档数据治理——数据分析 关键能⼒ •丰富数据源：⽀持通过标准MCP协议连接多种数据源，⽆需移动数据即可⽆缝对接DataAgent•多模态数据融合：Agent⾃动拆解问题，规划任务，⾃主协调结构化数据分析与⾮结构化数据检索•语义理解：⽀持语义知识配置，智能关联⽤户数据与业务⽬标，实现数据深度分析与洞察•分析报告：通过对结构化数据的查询分析与⾮结构化数据的解读，⽣成分析结果和洞察建议 应⽤场景 •低门槛数据问答、数据查询•数据智能分析，提供深度分析与建议•报告解读等多模态融合场景 客户价值 •⼤幅降低数据分析门槛，⽀持业务同学•打破数据孤岛，跨系统、跨场景⽆缝协作•智能体提供深度洞察与⾏动决策建议 ⽂档数据治理——数据科学 关键能⼒ •Pipeline规划：DataAgent⾃主拆解问题、规划任务，构建数据科学Pipeline，包括数据加载、数据预处理、预测分析与总结报告等步骤•多种类模型：⽀持时序预测、回归、分类等模型，⽀持不同场景下的预测分析•总结报告：针对预测数据进⾏可视化建模，直观展⽰数据趋势，输出洞察简介与⾏动建议 应⽤场景 •数据预测分析、异常分析•预测性可视化建模•趋势洞察与⾏动建议 客户价值 •⾃动化构建数据科学链路，降低模型构建难度，缩短模型构建周期•辅助未来业务决策 ⽂档数据治理——智能问数 ⽤户提问后，⽀持根据数据表名称、数据表备注、字段名称、字段备注、关联配置等信息进⾏语义理解后，智能选表/关联回答 企业知识治理也是企业数字化管理、内容管理的关注点 •构建标准化营销、销售知识体系，系统化掌握所需知中识•基于SOP的营销知识专题，助⼒营销快速提升业务能⼒•产品售后知识点集中化管理•故障问题统⼀管理，避免以往错误复现 企业知识治理——与知识管理⽣命周期结合 企业知识治理——多⼊⼝融⼊AI⼯作流程，让知识可即时取⽤ 站内问答⼊⼝1：独⽴问答主页 企业融合⽅案1：界⾯侧边栏，⽅便知识获取 企业融合⽅案2：API调⽤，融⼊业务流程 企业知识治理——合规内容防泄密 内容安全审查 敏感操作记录 内容防泄漏 内容操作防泄漏 ⾃定义敏感词 异常下载记录 •分享权限•复制权限•打印权限•截屏提醒•下载权限 •个⼈单⽇超过10次触发•可查看下载详情 •可设置敏感词库，对平台内容进⾏脱敏处理 ⾃选审查级别 •可查看移交详情内容移交记录 管理员操作⽇志 内容显⽰防泄漏 •记录单个管理员⾏为记录•按应⽤查询•按时间范围查询•按操作终端查询 •页⾯⽔印•成员信息展⽰•搜索热榜管理 THANKS