華為云盤古媒體大模型：三大技術(shù)創(chuàng)新重塑數(shù)字內(nèi)容生產(chǎn)與應(yīng)用

在6月21日舉行的華為開發(fā)者大會(huì)（HDC 2024）上，華為云推出了盤古媒體大模型，通過在語音生成、視頻生成和AI翻譯三方面的技術(shù)創(chuàng)新，重塑了內(nèi)容生產(chǎn)和應(yīng)用的新模式。

盤古媒體大模型在視頻生成方面取得了顯著成果。通過盤古，可以將實(shí)拍視頻轉(zhuǎn)換為不同風(fēng)格的高清動(dòng)漫。在現(xiàn)場(chǎng)演示的生成視頻中，演員的舞蹈、武打等大運(yùn)動(dòng)軌跡能保持一致視覺效果，角色的面貌特征也保持前后一致。這一技術(shù)的突破，為視頻制作領(lǐng)域帶來了全新的可能性，也大大提升視頻制作效率，作品一次拍攝多元化制作，實(shí)現(xiàn)價(jià)值最大化。

在語音生成方面，盤古大模型通過AI原聲譯制與視頻生成能力，實(shí)現(xiàn)了將原片譯制成不同語言的視頻，并保留原始角色的音色、情感和語氣。更為重要的是，盤古還能同步生成新的口型，確保不同語言對(duì)應(yīng)的口型一致，使得跨語言溝通更加自然流暢。

此外，在AI翻譯方面，華為云盤古大模型也對(duì)云會(huì)議系統(tǒng)進(jìn)行了升級(jí)。通過基于大模型的語音復(fù)刻、AI文字翻譯以及TTS技術(shù)，實(shí)現(xiàn)了語音的同聲傳譯。這使得不同國家的人在云視頻會(huì)議中可以暢快地使用母語交流。結(jié)合數(shù)字人技術(shù)，在不方便開攝像頭時(shí)，用戶還可以通過數(shù)字人參會(huì)，并通過口型驅(qū)動(dòng)實(shí)現(xiàn)數(shù)字人以各種語言說話都能精準(zhǔn)匹配口型，如同本人說話一般。這一技術(shù)的應(yīng)用，將為全球用戶提供更加便捷、高效的跨語言溝通體驗(yàn)。華為黃超在現(xiàn)場(chǎng)演示了新的云會(huì)議系統(tǒng)。

華為云盤古大模型5.0的推出，將進(jìn)一步推動(dòng)媒體內(nèi)容生產(chǎn)和應(yīng)用的創(chuàng)新發(fā)展，為用戶帶來更多便利和價(jià)值。