广电视听科技动态2025年第24期(总第65期)

AIGC 与 AI 技术发展

AIGC 技术进展

• 谷歌发布新一代图像生成模型 Nano Banana Pro：该模型基于 Gemini 3 Pro 架构，擅长处理复杂信息，具备突出的文本渲染能力，支持多元素合成和高级创意控制，可生成 4K 分辨率高清图像。所有生成或编辑的图像均嵌入 C2PA 元数据，帮助识别 AI 生成内容与深度伪造。模型集成至谷歌多款 AI 工具中，但生成速度下降，使用成本更高。
• Meta 发布能识别 1600 种语言的 ASR 系统：该系统首次实现对 1600 种语言的高精度语音识别，引入“上下文学习”机制，仅需少量音频样本即可快速掌握新语言。78% 的语种词错率低于 10%，远超此前多语言 ASR 系统。Meta 完全开源模型与工具链，联合语言保护组织采集数据，推动全球语言多样性保护。

AI 本地化部署

• MDT 发布 AIImmerse 智能体一体机：该设备主打本地化、高隐私与强算力，预装多种大模型，支持 2D 实时转 3D、3A 游戏 VR 化及私有知识库构建，解决云端 AI 高成本与隐私风险。采用“一次投入，终身使用”模式，用户可拥有数据永不泄露的边缘侧私有算力中心。
• 博通探索端侧 AI 翻译芯片：与 CAMB.AI 合作将多语言语音及翻译模型集成至博通 SoC，为智能电视、机顶盒等家庭终端赋予本地化多语言交互能力。支持超 150 种语言输出，保障弱网环境下的功能稳定，兼顾隐私安全与响应效率，奠定端侧 AI 翻译芯片在家电设备中的应用基础。
• 腾讯发布最新视频生成模型 HunyuanVideo1.5：基于 Diffusion Transformer 架构，参数量 8.3B，能生成 5 至 10 秒高清视频，支持多种生成方式。采用创新机制提升推理效率，仅需 14G 显存显卡即可运行，大幅降低部署门槛，模型已开源。

数字人与超高清

• 我国发布虚拟数字人领域首项国家标准：商汤科技牵头制定的《信息技术客服型虚拟数字人通用技术要求》（GB/T 46483-2025）明确规定了客服型数字人的功能与性能要求，为设计、开发、测试、应用及维护等环节提供统一规范，标志着我国虚拟数字人产业迈入规范化、高质量发展阶段。
• HDR Vivid 获 DVB 会议通过：UWA 联盟制定的 HDR Vivid 视频标准获国际产业组织认可，将提交为 ETSI 标准。该标准采用智能计算技术动态优化画面亮度和色彩，生态已具规模。预计 2026 年 5 月正式发布，为全球彩电产业链提供开放、先进且极具竞争力的 HDR 技术选择。

传输技术发展

• 江苏台联合紫金山实验室完成苏超 6G 直播试验：采用 6G 无蜂窝网络传输视频，优化图传设备传输协议，建立专属通信链路，实现信号直连回传。该技术方案用于记者采访视频的实时无线传输，并作为主传输链路的应急备份，提升直播的可靠性。
• 西班牙国家广播电台将停播 AM 广播：西班牙国家广播电台（RNE）及 Radio 5 网络的 AM 广播将于 12 月 31 日前停播，推动向数字广播 DAB+ 转型。停播主因可能是听众流失与能源成本上升。RTVE 已于 2023 年底宣布启动 DAB+ 广播计划，要求 RNE 在 2026 年为 70% 人口提供 DAB+ 覆盖，2027 年扩大至 85%。