【大家之言】以高质量数据集赋能微短剧发展

本篇论文摘要由AI工具根据论文原文生成，阅读原文请访问“广电猎酷”小程序“”板块。

以高质量数据集赋能微短剧发展

滕勇

国家广播电视总局广播电视规划院

作者简介：

滕勇，国家广播电视总局广播电视规划院副院长；2024年入选“全国广播电视和网络视听行业领军人才”。曾任中央人民广播电台记者、秘书处副处长，广电总局宣传司新闻处处长等职。曾被授予全国优秀团干部、上海世博会先进个人、广电总局“五一劳动奖章”等荣誉，两次荣立公务员“三等功”。

2024年，微短剧市场迎来了爆发式的增长。《中国互联网发展状况统计报告》显示，我国微短剧用户规模已达5.76亿人，占整体网民的52.4%。不仅在小屏端，2024年8月，广电总局印发《关于丰富电视大屏内容进一步满足人民群众文化需求的意见》，大力推动优秀网络视听作品在电视大屏播出。中国视听大数据（CVB）基于全国超5亿有线电视、IPTV和互联网电视用户数据统计发现，截至2025年1月23日，先后有60部微短剧在全国省级卫视频道重点时段、重点栏目播出，收视规模超7.6亿户次。其中，观众规模达千万级别的剧片数量占比达41.2%。

用户规模高歌猛进的背后，微短剧市场的潜力十分可观。中国网络视听协会发布的《中国微短剧行业发展白皮书》指出，2024年微短剧市场规模有望首次超过内地电影票房。根据目前的预估，2024年我国微短剧市场规模将达到504.4亿元，同比增长34.90%，预计到2027年将超过1000亿元。这一增长，不仅体现了微短剧市场的广阔潜力，也标志着其在数字文化领域的重要地位。在用户和市场双增长的过程中，可以看到，微短剧积极实施精品化发展战略，新技术则带来效率提升，广电总局策划推出的“跟着微短剧去旅行”成为文旅热点。2024年，广电专业媒体积极加入微短剧赛道，丰富了微短剧的创作主体，进一步加速了其发展进程。

与此同时，依托数据、算力、算法的积累和迭代，人工智能特别是生成式人工智能（AIGC）以及人工智能生成视频（AIGV）正在实现质的飞跃。可以看到，微短剧的快速发展，与人工智能特别是AIGC的突飞猛进，形成“同步加速、双向奔赴、相互赋能”的发展格局。

NO.1 跑出加速度：文生视频大模型应用能力不断拓展

伴随着微短剧开始大量使用AI技术，进一步提升作品的创意能力、创作效率且不断降低制作成本同时而来的，则是当前生成式人工智能在高质量数据集方面的需求越来越大，需要我们从多个维度引起高度重视。为此，有必要对文生视频大模型的应用能力，特别是当前的需求特点开展进一步的分析与研究。

在全球范围内，最具代表性的就是OpenAI发布的文生视频大模型Sora。在其不断迭代过程中，其特点主要体现在以下10个方面：

1.高清视频生成：Sora擅长于创作分辨率高达1920×1080的高清视频，以及更低分辨率的精致影像，满足多样化的视觉呈现需求。

2.语言驱动的视频创作：基于对用户提示词的深刻理解，Sora能够将其转化为详尽的视频描述，并据此生成富有创意的视频内容，实现文字到视觉的奇妙转化。

3.图像扩展至视频：通过输入单幅图像，Sora 能够巧妙地扩展其维度，生成连贯且富有故事性的视频，赋予静态画面以动态生命。

4.视频时序延展：无论是向前追溯还是向后延伸，Sora都能将视频片段在时间轴上自由扩展，创造出更加丰富的叙事画面。

5.视频元素替换：从风格、环境到背景、主体对象，Sora都能进行精准替换，让视频作品焕发全新的视觉风貌。

6.智能视频拼接：在两个截然不同的视频之间，Sora通过细腻的插值技术，创造出无缝衔接的过渡效果，让不同主题与场景的视频流畅融合。

7.高分辨率图像生成：Sora支持生成 2048×2048分辨率的高清图像，每一像素都蕴含着细腻与精致。

8.3D动态摄像机运动：在Sora生成的视频中，随着摄像机的自由移动与旋转，人与场景元素在三维空间中展现出一致且自然的动态效果，增强了视觉的真实感与沉浸感。

9.多镜头对象保持：Sora能够在单个视频中生成同一角色的多个镜头，且在整个视频中保持其外观的一致性，为角色塑造增添了深度与连贯性。

10. 模拟对象交互：Sora擅长于在视频中模拟真实世界的对象交互，如绘画时的笔触痕迹、人吃汉堡留下的咬痕等，这些细节的处理让视频更加生动且富有生活气息。

以Sora的发布为标志，有媒体将2024年称为文生视频的“元年”。随后，2024年有一批AIGC、AIGV模型陆续登台亮相，全面在影视产业中发力，其诸多优势有效地赋能了微短剧的创作和发展。

NO.2 贯通全链条：AI多维度赋能微短剧发展

2024年3月22日，中央广电总台推出了国内首部AI全流程微短剧《中国神话》，其内容制作完全由AI完成，这是AIGC 深度融入内容制作环节的一个标志。《柒两人生》《三星堆 • 未来启示录》《千秋诗颂》等作品陆续推出，进一步验证了AI技术在影视创作中的实际应用。

如今，AI与微短剧正在双向奔赴、相互赋能。作为一种新质生产力，AI可以从多维度赋能微短剧，不仅仅是赋能微短剧的创作和制作，还涉及到微短剧的宣发、传播等全链条。

创作端：基于模拟的创造力。有一个问题似乎在困扰着我们，AI帮助创作者围绕一个主题所激发的创意，到底是人的，还是AI的？其实很难说清楚，创意本来就是相互激发而产生的。AI的核心能力，就在于它能够通过捕捉、分析和学习海量的数据，模拟人的创造力，自动生成有逻辑且连贯的内容。在创作的过程中，AI在信息检索、文本润色等方面具备较强的能力，能够在创意策划、编剧写作过程中发挥巨大的辅助作用。比如，文生文模型可以快速地写出剧本、设定角色，并根据角色的特征设计人物对话和故事情节；基于创作者的创意设定，AI可以迅速地丰富和调整场景描写，让人物的语言、姿态更加接近并符合角色的设定。目前，一些大模型已经可以做到为创作者提供多条情节线索，甚至根据戏剧理论设计矛盾冲突，让故事拥有更多跌宕起伏、高潮迭起的可能。在剧本创作完成后，通过文生图模型，可以帮助创作者生成分镜头，甚至创造出新的视觉概念。这种基于模拟的创造力通过高频互动，就可以更好地让AI学习东方美学和中国元素，保持正确的价值取向、审美趣向。

制作端：人机协同创造的新型影像空间。现阶段，AI在微短剧的制作端主要还是充当辅助工具的角色。人机协同，可以让创作者在短时间内创作出令人震撼的非现实场景。特别是当前，微短剧题材大量集中在历史、穿越、科幻、悬疑等方面，对待这样的题材，AI可以快速提升画面效果和工作效率，大大降低微短剧的创作成本，让故事叙述不再受拍摄条件的局限。目前，一些AI工具已经能够根据文本一键式生成微短剧所需要的人物角色、服装置景、技术特效，并协助完成视频的精修，这就大大压缩了微短剧的制作周期。在海外，AI的换脸和配音技术已经得到广泛应用，AIGC可以直接调整演员的表情和口型，让翻译的口型与配音实现同步，也可以补救念错的台词。当然，这些也带来诸多伦理和法律方面的问题。

宣发端：IP的数字化集成。AI可以结合微短剧作品的内容提炼关键词、主角和概念IP，进而生成海报、先导片、宣传片、广告等内容素材，然后再形成最适合宣发渠道的版本。这些创意图像，反过来又能为创作提供更多启发和可能性。

传播端：用户与作品的双向推荐。基于算法，人与作品之间建立了更加紧密的对应关系。AI+大数据，不仅帮助人找到作品，也更加速了让作品奔向人。

在AI全面赋能微短剧的过程中，也让很多问题变得复杂。人类必须科学面对AI赋能广电视听的新趋势，坚持以价值观驾驭算法的能力，准备好应对AI给版权、安全和伦理带来的挑战。在版权方面，版权保护的前提是这个作品应该是原创的，但AI生成的内容，都是基于已有数据的模仿；在安全方面，模型学习的来源、渠道极为复杂，能不能提供高质量的数据集，成为重中之重；在伦理方面，AI涉及隐私、价值观、公序良俗等一系列问题，行业必须把牢方向，倡导真善美，更好地让AI为创作服务。

NO.3 优化数据集：AI赋能微短剧的治本之策

在数字技术与文化创意深度融合的今天，微短剧作为一种新兴的内容节目品类，凭借短小精悍、情节紧凑、反转不断的特点吸引了大量观众，已经成为文化影视领域发展最快、势头最猛的新势力。而人工智能技术的引入，则为微短剧的创作带来了前所未有的可能。在此背景下，当务之急是推动高质量数据集的建设，并将其作为推动微短剧高质量发展的关键一环来把握。

广电行业：海量视听数据的宝库。广电行业作为内容生产与传播的重要阵地，长期以来积累了海量的视听数据资源，涵盖了从经典影视作品到现代综艺节目的广泛内容。这些资源不仅内容丰富多样，而且质量上乘，为人工智能大模型的发展提供了最优质的视听训练数据。当下主流的视频平台每日产生的用户观看数据、弹幕评论、评分反馈等，已经构成了庞大的用户行为数据集，这些数据对于AI理解观众偏好、预测内容趋势具有不可估量的价值。通过深度学习和分析这些数据，AI能够更精准地辅助微短剧的创作，提升内容的个性化与互动性，从而满足观众日益增长的多元化需求。

高质量数据集：AI大模型健康发展的基石。推动广电视听高质量数据集建设，不仅是提升AI模型性能的技术需求，更是确保人工智能大模型健康发展的重要保证。当前，市场上存在一些利用低质、甚至存在误导性数据训练的AI模型，导致AI创作内容出现同质化、低俗化等问题，严重影响了微短剧行业的健康发展。因此，建立严格的数据筛选、标注与审核机制，确保数据集的高质量与多样性，是引导AI走向正轨的关键。当前，可以通过专业团队的工作，对视频内容进行精细分类与情感标注，这样能大大提升AI对复杂情感的表达能力，使微短剧在保持高效产出的同时，也能让观众产生深刻的情感共鸣，进一步提高作品的艺术价值。

共建共享共用：打造权威训练数据平台。建设高质量数据集，必须坚持共建共享共用的原则，汇聚行业内外多方力量，共同打造权威的训练数据平台。这就意味着广电机构、视听平台、科研机构及创作者等全行业要形成合力，通过开放合作实现数据资源的有效整合与高效利用。在此基础上，应积极推动数据标准化与规范化工作，建立统一的数据接口与共享协议，降低数据交换成本，促进数据流动与增值。同时，应通过政府和产业界的共同发力，持续优化我国自主通用大模型，进一步鼓励技术创新与自主研发，减少对国外技术的依赖，确保数据安全与主权。目前，国内已有不少文生视频大模型在这一理念指导下，通过国内海量数据训练而成，为微短剧等数字内容创作提供了强有力的支持。

NO.4 结束语

总之，高质量数据集的建设是推动微短剧高质量发展的核心驱动力。通过充分挖掘广电行业的视听数据资源，强化数据集的质量与多样性，以及坚持共建共享共用的原则，我们能够不断优化自主通用大模型，为微短剧的创新发展注入强劲动力，共同开创文化影视行业的新篇章。

end