广电行业手握海量媒资,节目、素材与编目信息沉淀多年。但当跨模态检索、智能剪辑、AI生成视频这些应用真正落地时,一个尴尬的现实浮现出来,数据不少,模型却“吃不饱”;媒资很多,AI却“用不上”。问题的症结不在“有没有数据”,而在现有媒资能否被AI理解、调用和验证。这种“AI不可用”,正是广电高质量数据集建设要破解的核心命题。
Part 01
媒资很多,AI 可用的很少
不同的AI应用,对数据的要求截然不同。同样是“一段节目”,在检索场景里需要的是语义关联,在剪辑场景里需要的是镜头边界,在生成场景里需要的是脚本与画面的对应。现有媒资服务于内容管理与播出调用,并非为模型训练而组织,落到具体场景便显出系统性的缺口。
把这张表抽象一层,横亘在媒资与AI之间的其实是四道坎:数据颗粒度太粗、多模态关联太弱、专业标注太浅、质量验证太松。不同场景只是这四道坎的不同侧面。广电AI的数据难题由此并不是“有没有媒资”,而是现有媒资能否根据具体应用被重新拆解、关联、标注和验证。高质量数据集必须以应用需求为起点,而非以数据存量为中心。
还有一道比技术更硬的坎——权属。广电媒资类型多、来源复杂、权属条件各异,能不能用、怎么用、用到什么边界,直接决定一份数据集能否合规进入训练与流通。把权属梳理前置到数据治理环节,是广电场景区别于其他行业的关键,也是数据集能否真正“可用”的前提。
Part 02
一条主线、四个环节:国家方法论落到广电
2026年6月,国家数据局印发《关于推进行业高质量数据集建设行动的实施方案》,提出形成“场景牵引数据、数据驱动模型、模型赋能应用、应用创造价值”的数据飞轮。同年11月10日,在厦门召开的高质量数据集和数据标注先行先试现场会,进一步把建设方法概括为“一条主线、四个环节、一个闭环”:以场景牵引建设为主线,聚焦需求定义、数据治理、专业标注、质量测评四个环节,持续形成数据飞轮应用闭环。
这里需要厘清一对常被混用的概念——闭环与飞轮。数据闭环是机制,数据飞轮是结果。需求定义、数据治理、专业标注、质量测评四个环节首尾相接、反馈回流,构成一套可设计、可执行、可考核的闭环;当这套闭环持续运转,数据越用越准、模型越训越强、应用越铺越广,价值便如飞轮般加速放大。把“飞轮”当成口号贴在最前面,却讲不清闭环究竟怎么转,建设就会落空。海天瑞声要做的,是把这条国家方法论落成广电场景下可落地、可交付的工程能力。
Part 03
海天瑞声把四道坎变成一条工程流水线
针对广电媒资类型多、结构复杂、专业性强、权属条件各异的特点,海天瑞声从具体AI应用出发,围绕需求定义、数据治理、专业标注和质量测评配置数据工程能力,并让数据投入使用后持续回流迭代。
需求定义:从应用反推数据
先明确要解决的业务场景,再倒推节目范围、数据模态、标注内容、质量要求与使用边界,形成场景清单与数据需求清单。这一步的价值在于让每一份投入都对应到明确的模型能力,避免脱离应用目标的数据堆积。
数据治理:让媒资来源清晰、结构统一
结合节目类型、元数据完整度和权属状态梳理媒资,建立数据资源清单;对原始数据进行格式转换、清洗去重、有效片段筛选和多模态对齐。权属梳理被前置到这一环节,先厘清授权边界,再进入加工流程,从源头规避合规风险,逐步形成结构统一、来源清晰、全程可追溯的数据基础。
专业标注:让行业知识进入模型
按应用场景设计标签体系;在适用场景下,由算法辅助完成片段切分与候选标签生成,标注人员负责类别判断、边界修正与复杂内容处理;对新闻、文化、赛事等专业性强的内容,引入业务人员或领域专家参与审核,把行业知识转化为模型能够学习的数据。人机协同不是省掉人,而是让人把精力集中在机器判断不了的复杂内容上。
质量测评与闭环迭代:让数据越用越好
围绕完整性、标注准确性、批次一致性和模型适配性,开展机器检查、人工抽检与应用验证。依托海天瑞声DOTS人工智能数据工程一体化服务平台,对清洗、标注、质检等环节统一管理;更关键的是,把模型效果与业务反馈带回生产流程,持续补充数据、调整标签、优化标准,让“闭环”真正转起来。
Part 04
闭环转起来,飞轮才转得动
四个环节首尾相接,飞轮才有了转动的前提。治理后的数据先服务台内检索、知识问答、智能剪辑、AI内容生成与模型训练;模型表现与业务反馈回流至数据生产,推动下一轮的数据补充与标准优化。数据、模型、应用三者互相牵引,数据集在真实使用中持续增值,这就是闭环驱动下的飞轮效应。在权属清晰、质量达标且存在明确市场需求的前提下,这些数据还可进一步形成标准化数据产品,探索授权合作与市场化流通,把存量媒资转化为可持续运营的数据资产。
广电媒资中沉淀的专业知识、地域文化与社会记忆,只有转化为可理解、可调用、可验证的数据,才能真正进入AI应用。高质量数据集建设打通了内容资源与智能应用之间的链路,使媒资从存量保存走向持续利用。海天瑞声将以数据工程能力推动这一转化,让优质内容在AI时代得到更广泛、更长久的应用与传承。
END
公司简介
海天瑞声(股票代码:688787)是一家专注人工智能基础数据解决方案提供商,是国内唯一一家AI数据行业上市公司。已服务近1300家全球AI企业及科研机构,主要为大模型、多模态、语音合成、语音识别、自然语言处理、计算机视觉等技术提供一站式AI数据解决方案。
股票
板块
用户
资讯
评论 (0)