人形機器人行走在花叢中，靈活地伸出左手，觸摸一朵黃色的花；人形機器人揮動着雙手，生動地與老人交流；身穿廚師服的人形機器人在廚房裏炒菜，鍋裏的菜熱氣騰騰……這是北京經開區融媒體中心“新成員”多模態視聽大模型創造的最新視頻佳作。
近日，北京經開區融媒體中心在當虹科技的技術支援下，正式啟用融合了DeepSeek- R1和DeepSeek Janus Pro的BlackEye多模態視聽大模型，率先開啟“DeepSeek+視聽+行業端側”的大模型應用之旅，為新聞生産注入全新動能。
“僅需幾十秒，就可快速生成一段高精度視頻，大大節省了視頻生産的時間和成本。”“視頻橫轉豎一直是我們視頻業務的難點，這次終於有了好用的工具。”“文生視頻、圖生視頻、智慧橫轉豎、智慧慢動作、智慧摳像，有一説一，功能真的太全面了”……北京經開區融媒體中心記者、編輯們表示，有了多模態視聽大模型這位“賽博同事”，內容生産質效正在飛速提升。
據悉，北京經開區融媒體中心佈局應用的多模態視聽大模型，是其聯合專注大視頻領域的國家級專精特新“小巨人”企業當虹科技打造。該大模型在當虹科技BlackEye多模態視聽大模型融合Deep-Seek-R1和DeepSeek Janus Pro基礎上，完成視聽傳媒垂類場景數據調優訓練。基於DeepSeek-R1強大的模型推理能力，該大模型融合了多種深度神經網路組件，包括Transformer、Diffusion等組件，通過文本、圖像、視音頻、三維模型等多種模態的編碼、解碼、多模態潛空間對齊、多模態語言推理及生成等技術，實現不同模態資訊之間的推理和預測生成，具備了更強大的多模態理解能力，可以更好地理解和處理視聽內容，顯著提升傳媒文化領域內容生産、審核、推薦和用戶體驗等方面的效率與品質。
通過多模態視聽大模型進行一段10分鐘的養生視頻創作，大模型可一鍵理解視頻內容，並由DeepSeek-R1進行深度思考，給出健康科普、食材挑選、烹飪技巧等三個角度的短視頻腳本，並結合BlackEye文生視頻、圖生視頻等生成式演算法，以及AI超分、AI插幀、AI橫豎屏同步製作等分析式演算法，短時間就能製作出精美的專業級視頻。
目前，該多模態視聽大模型可以生成電影、連環畫、3D卡通等八種風格的2K視頻並可通過AI超分演算法進一步提升至4K。同時，為了適應手機豎屏觀看需求，還可將橫屏視頻智慧轉化為豎屏，AI橫豎屏同步製作效率大幅提升。
“多模態視聽大模型的應用，標誌着北京經開區融媒體中心在AI技術應用領域邁出關鍵一步。”北京經開區融媒體中心有關負責人表示，作為率先擁抱前沿AI技術的區級融媒體中心，北京經開區融媒體中心已通過本地化部署，在保障數據安全的基礎上實現了大模型與新聞場景的深度適配。未來，北京經開區融媒體中心將持續借助AI技術能力，進一步加大在新聞挖掘、內容創作、新聞分發、用戶互動等領域的應用力度，積極探索AI技術在媒體行業的創新應用場景，為用戶提供更豐富、更優質、更智慧的新聞服務，引領區級融媒體中心在新時代的智慧化發展浪潮。
