NVIDIA AI for Media全新技术正式发布

在 COMPUTEX 期间举办的全新 GTC 台北上，NVIDIA 发布 NVIDIA AIfor Media 全新技术，技术正在为广播公司、正式流媒体平台和开发者提供用于直播制作、发布内容本地化、全新内容分析以及合成视频检测的技术实时基础构建模块。

据估算，正式媒体行业每年产出高达 1800 万小时的发布直播节目，拍摄 1.5 亿小时的全新镜头素材，并且沉淀了超过 250 EB 的技术专业视频存档。然而，正式这些海量内容中的发布绝大部分，往往面临着检索成本高昂、全新本地化速度缓慢以及难以进行规模化分析的技术困境。

全新的正式 AI for Media 功能旨在改变这一现状。这些功能既可以通过 NVIDIA RTX PRO 工作站本地部署，也能在云端运行，能够实现自动化的内容本地化流水线、可检索的存档元数据，以及 AI 辅助的直播与后期制作工作流。

此次更新包括：

多语言唇形同步（LipSync）：能够实时将屏幕上人物的口型与配音音频精准同步，并且现在新增了对法语、德语和西班牙语的支持。

增强的主动发言者检测（Active Speaker Detection）功能：可以自动追踪摄像头画面中的发言者，让制作团队可以轻松地实现自动化操作，精准聚焦并突出显示当前正在说话的人脸。

增强的 NVIDIA RTX 视频超分辨率（NVIDIA RTX Video Super Resolution）和 RTX 视频帧生成（RTX Video Frame Generation）功能：利用 AI 技术在搭载 RTX 的系统上对视频输出进行画质提升与流畅度优化。

一套符合 SMPTE ST 2110 标准的 NVIDIA NIM 微服务，专为基于 IP 的实时媒体管线打造，将媒体画质增强从传统的“后期制作”环节，直接带入到了“实时广播基础设施”领域。这些 NIM 微服务涵盖了主动发言者检测、视频超分辨率、唇形同步以及专业录音棚级语音增强（Studio Voice）。其中，SMPTE ST 2110 是一套针对音频、视频和数据流传输的行业专用标准规范。

NVIDIA 合成视频检测器是一款 NIM 微服务，它仅需短短 22 毫秒，就能以约 92% 的准确率识别出 AI 生成的视频。随着合成媒体内容正如潮水般涌入各大网络平台，这款检测器为新闻编辑室和内容平台提供了一项强有力的工具，能够在虚假或经过篡改的影像触达观众之前，及时将其标记出来。