新聞生產中生成式AI技術的應用研究

摘要：隨著人工智能技術的快速發展，生成式AI在文本生成、視覺內容制作、音樂創作、視頻編輯等方面展現出巨大的潛力，能夠從多個維度優化新聞內容的表現形式，如文本、視覺、音樂、視頻等。文章主要探討生成式AI技術在新聞生產中的應用，旨在分析如何應用該技術提升新聞制作效率和質量，同時探討其在文本、視覺、音樂和視頻內容創作中的具體應用場景。文章采用文獻綜述與案例分析相結合的方法，通過分析生成式AI技術及其具體應用案例，探討其在新聞生產中的實際應用效果，并結合實踐操作，深入探討生成式AI技術在新聞生產中的四種主要應用策略，包括Prompt應用策略、RAG應用策略、微調應用策略和重新訓練應用策略。研究結果表明，在新聞文本生產中，生成式AI可以自動生成新聞稿件，從而減輕記者的工作負擔。在新聞視覺內容制作中，生成式AI可以生成高質量的圖像和視頻，并快速生成短視頻內容。在新聞音樂創作中，生成式AI可以根據新聞主題生成背景音樂，增強新聞的情感感染力。然而，文章也指出，生成式AI技術的應用存在局限性，需要在實際操作中進一步優化技術模型，以確保生成內容的準確可靠。文章旨在為新聞行業提供一種新的內容生產方式，推動新聞生產的技術革新。

關鍵詞：新聞生產；生成式AI技術；Prompt；RAG；微調；重新訓練

中圖分類號：G210.7 文獻標志碼：A 文章編號：1674-8883（2024）17-0010-05

基金項目：本論文為2021年度江蘇高校哲學社會科學研究項目“后疫情背景下網課的交互手段對線下課堂師生互動的反哺研究”成果，項目編號：2021SJA2416

生成式AI技術作為人工智能研究的重要方向，在新聞生產中的應用引發了廣泛關注。通過生成式AI技術，可以實現新聞內容的自動化生成，提高新聞生產效率和質量，同時減少人力成本。此外，生成式AI技術能夠從多個維度優化新聞內容的表現形式，滿足不同受眾的需求和偏好，具有極高的應用價值。

一、生成式AI技術概述

生成式AI技術作為人工智能領域的重要分支，旨在通過算法和數據訓練，生成高質量、具有創意的內容。生成式AI技術的核心技術包括深度學習、神經網絡、自然語言處理等，可通過對大量數據進行學習和建模，在一定程度上模擬人類思維及創作過程，生成文本、圖像、音頻等多種形式的內容。生成式AI技術的發展，依托大規模數據集和高性能計算資源支持，通過持續優化模型和算法，可逐步提高生成內容的質量[1]。

筆者結合實際調查發現，近年來生成式AI技術的應用范圍廣，在文本生成、圖像生成、音樂創作等領域均展示出較高的實用價值。例如，在文本生成方面，生成式AI可以撰寫新聞報道、文學作品、技術文檔等，通過學習大量已有文本，生成與人類創作風格相似的內容。該技術在生成高逼真的圖像、創作不同風格音樂方面也具有較大潛力，但同時存在一系列技術、倫理挑戰，如創新性和可控性平衡、生成內容錯誤控制、版權爭議和信息安全問題等，這一系列挑戰必須引起重視[2]。

二、生成式AI技術在新聞生產中的應用優勢

結合近年來的相關實踐探索可以發現，生成式AI技術在新聞生產中的應用具有顯著優勢，能夠大幅提升新聞生產效率與質量。具體來說，生成式AI可以快速生成大量新聞稿件，大幅縮短新聞制作的時間周期。在突發事件或重大新聞報道中，生成式AI能夠及時生成初步報道，為新聞記者提供參考、素材，增強新聞報道的時效性。而通過學習和分析大量不同風格和主題的新聞文本，生成式AI可以生成具有獨特視角的新聞內容，滿足不同受眾的需求和偏好。特別是在專題報道與深度報道中，生成式AI可以提供多種角度的分析，豐富新聞報道的層次與深度。同時，生成式AI能夠輔助新聞編輯、校對，提高新聞內容的準確性，在自然語言處理和語義分析功能的支持下，生成式AI可以自動檢測并糾正新聞稿件中的語法錯誤、邏輯漏洞、事實錯誤，確保新聞內容的專業性。

總的來說，生成式AI技術在新聞生產中的應用可有效降低新聞制作的人力成本和時間成本，特別是在一些重復性和基礎性的新聞報道中，生成式AI可以替代新聞記者的部分工作，將更多的人力資源投入高價值的新聞生產中[3]。

三、生成式AI技術在新聞生產中的應用原則

在新聞生產中，生成式AI技術的應用須遵循一定原則，主要包括真實性、YNxHpC84T3XPDLzvr0q/tQ==安全性、規范性等。真實性原則要求生成式AI在處理大量信息和數據時，確保輸出內容真實反映事實，而不是基于偏見或誤導性的材料進行加工。新聞報道的核心價值在于提供準確的信息，以此作為決策的依據。在應用AI技術生成新聞內容時，必須對數據來源進行嚴格篩選，確保數據的可靠性，并保證AI生成的內容經過多次校驗，避免因技術偏差、數據不完整而造成負面影響，新聞工作者也必須對AI生成的內容進行人工審核。安全性原則聚焦數據隱私和安全。

近年來，AI技術在信息采集和處理方面的潛力凸顯，隱私泄露和數據濫用的風險也隨之增加。為預防此類風險，新聞機構必須建立嚴格的數據管理和使用規范，對數據的收集、存儲、處理、傳輸等環節進行全程監控，采取有效措施保護個人隱私，確保數據使用符合相關法律法規。同時，應定期對生成式AI系統進行安全評估，及時發現和修補安全漏洞，確保數據安全和隱私保護。規范性原則強調應用生成式AI技術必須嚴格遵循倫理和法律規范，以此避免引發社會問題。新聞媒體在使用生成式AI技術時，必須確保其生成的內容符合新聞倫理，做到尊重事實、避免偏見，杜絕傳播謠言[4]。

四、生成式AI技術在新聞生產中的應用

（一）在新聞文本創作中的應用

在新聞文本生產中，生成式AI技術的應用潛力驚人，但需要得到自然語言處理技術、機器學習算法的支持。通過分析大量現有新聞文本數據，生成式AI技術能夠學習和掌握新聞寫作的語言風格、結構和內容模式，進而根據給定的主題、關鍵詞和背景信息，自動生成符合新聞寫作規范的文章，并在一定程度上保證文本的邏輯連貫性和信息準確性。這種智能化的新聞文本創作在效率方面優勢明顯。傳統新聞寫作需要記者花費大量時間收集、整理和撰寫資料，但生成式AI可基于預先設定的參數和模板，在短時間內生成多篇符合不同需求的新聞稿件。例如，針對突發事件快速生成初步的新聞稿，記者可對其補充和修改后予以發布，從而實現新聞的快速傳播。生成式AI技術還可以輔助記者進行文本校對和優化，如自動檢測和糾正新聞稿件中的語法錯誤、邏輯漏洞，根據新聞寫作規范對文本進行優化調整，以及根據新聞標題生成適當的導語，即可提升新聞文本創作質量，更好地吸引讀者注意力。生成式AI還可以根據新聞事件的發展，實時更新和調整新聞稿件內容，確保新聞報道的時效性[5]。

（二）在新聞視覺內容制作中的應用

在圖像生成方面，基于對海量圖片數據的學習，生成式AI能夠生成高質量的新聞圖片。新聞報道常常需要搭配相關圖片，以增強內容的直觀性。應用生成式AI技術，根據新聞主題和文本內容，即可自動生成與之匹配的圖像。如在報道自然災害時，生成式AI可以根據災害描述生成真實感極強的災害場景圖片，輔助讀者更直觀地了解事件情況。此外，生成式AI還能對圖片進行智能修復、顏色調整、圖像合成等智能處理，從而進一步優化新聞視覺效果。如在報道體育賽事時，可以從賽事直播中提取精彩瞬間，自動剪輯并生成賽事回顧視頻，大幅提升新聞視覺內容制作效率[6]。

例如，2024年3月29日，央視《晚間新聞》在播報候鳥遷徙時，選用了AI生成的視頻（見圖1）。4月3日，央視《新聞直播間》在解釋強對流天氣并提醒做好預防時，同樣選用了AI生成視頻。這類新聞風格偏向AI動畫，基本能呈現文字素材中的可圖像化部分，特寫較為清晰，整段內容由多個3秒左右的視頻拼接而成，但一些畫面依舊有著明顯的AI痕跡與常見錯誤，如鳥類群像圖片中鳥類動作不清晰、邊界模糊、色塊雜糅、動作扭曲等，但這不能掩蓋生成式AI技術在新聞視覺內容創作中的應用價值。

（三）在新聞音樂創作中的應用

在現代新聞報道中，合理選用背景音樂可以增強報道的感染力和吸引力，生成式AI技術能根據新聞內容和情感基調，自動生成與之匹配的背景音樂，如悲傷沉重的音樂、激昂有力的音樂，以及雨聲、風聲、掌聲等各種音效。新聞報道的音效元素更加豐富，觀眾的代入感也隨之增強。此外，生成式AI技術在新聞音樂創作中的應用還體現在輔助創作方面。生成式AI技術提供的豐富的音樂素材和創作思路，可更好地輔助創作者進行音樂創作，音樂創作者提供旋律與和弦，生成式AI技術由此生成各種變奏和編曲方案，拓展創作思路。根據新聞主題，該技術還可以自動生成與之匹配的音樂片段，激發創作者的創作靈感，進而為新聞音樂創作帶來更多可能[7]。

（四）在新聞視頻制作中的應用

生成式AI技術在新聞視頻制作中的應用，為視頻內容的生產和優化提供了全新的方法和工具，具有自動編輯視頻、智能生成視頻摘要、創建虛擬主播等顯著優勢。例如，根據新聞報道的主題和結構，自動剪輯視頻片段，去除冗余部分，并拼接成完整的視頻內容；或根據音頻內容，自動調整視頻片段的長度和節奏，使畫面與聲音同步，并自動添加轉場效果、字幕和配樂，使視頻更加生動和專業。同時，生成式AI可基于對視頻內容的理解，自動生成簡短的摘要視頻，如從長達數小時的新聞發布會視頻中，提取關鍵發言和重要片段，生成幾分鐘的精華視頻，從而大幅提升新聞報道效率。此外，依托生成式AI技術的虛擬主播也可以為制作新聞視頻提供支持，模擬真人主播的形象和動作，即可自動播報新聞內容。具體來說，生成式AI技術可以輔助創建高仿真度的虛擬主播，使其具備自然語音和肢體語言，并根據新聞稿件自動生成虛擬主播的同步口型、表情變化、手勢動作，確保與新聞內容高度契合，完成實時新聞播報。還可以用于新聞回顧、專題節目等多種形式的新聞報道，拓展新聞視頻的應用場景。

面對突發事件，傳統的新聞報道方式難以在短時間內對突發事件進行追蹤報道。生成式AI技術能夠通過大數據分析和實時監測，自動追蹤事件的進展。例如，針對自然災害或社會突發事件，生成式AI技術可以通過收集政務新媒體、新聞網站發布的信息，生成實時的事件報告和視頻內容，并根據事件的發展，自動調整報道的重點和角度，確保新聞報道的時效性和全面性。而在動態鏡像管理方面，由于突發事件報道需要處理大量的視頻素材，傳統的鏡像文件管理方式容易出現文件體積過大、管理效率低下等問題，但生成式AI技術通過中臺使用鏡像倉庫的方式進行動態管理，能夠有效解決這些問題，如根據不同的視頻制作任務，動態分析和調整鏡像文件的存儲和使用策略，進而提前預備高頻率和耗時大的鏡像組件，確保在實際使用中能夠快速調用，進一步提高視頻制作效率[8]。

五、生成式AI技術在新聞生產中的應用策略

（一）Prompt應用策略

在新聞生產中，生成式AI技術的有效應用離不開Prompt（提示詞）的支持，精確恰當的提示詞可引導AI生成高質量的新聞內容。為此，應基于不同的新聞主題和內容，使用不同的提示詞，以引導AI生成符合預期的文本。如在撰寫國際政治新聞報道時，提示詞應包括關鍵事件、時間節點、重要人物及其言論等；而科技新聞的提示詞則需要包括技術名稱、研發背景、應用場景、專家評論等，以此確保AI生成新聞內容具有邏輯性、準確性、完整性。考慮到單一的提示詞往往無法全面覆蓋新聞內容的各個方面，本研究建議采用多樣化提示詞組合，從不同維度引導AI生成豐富的新聞文本，以此豐富新聞生產的內容，拓展其深度、廣度。在此過程中，應聚焦提示詞應用過程的反饋優化以及上下文關聯提示，進而在新聞文本生成后，通過人工校對和審核，發現并糾正內容中的錯誤，并據此調整提示詞，輔以關聯提示詞，即可引導AI在生成新聞內容時注意邏輯結構和段落銜接，提升新聞文本的整體流暢性和可讀性。此外，Prompt應用還需要保證精準度和簡潔性，避免提示詞過于復雜或模糊，否則將導致AI生成的內容偏離主題、生成內容邏輯混亂。為此，必須保證提示詞的設計簡潔明了，精準定位新聞生產的核心要素。

（二）RAG應用策略

生成式AI技術在新聞生產中的應用還依賴檢索增強生成技術（RAG），結合檢索和生成技術，能夠在生成新聞文本時引用最新、最相關的信息，從而提升新聞報道質量。其中，智能信息檢索是RAG應用的基礎，生成式AI在創作新聞內容時，需要從大量信息中篩選出最相關的內容。如在報道一場國際會議時，AI可以通過檢索會議的官方信息、參與者發言、媒體報道等多種信息源，獲取全面、權威的新聞素材。由于新聞事件的發展往往具有連續性和動態性，生成式AI在創作新聞內容時需要實時更新信息，這需要得到檢索增強生成技術中的動態內容更新支持。如在自然災害報道中，持續監測事件的發展，實時更新災害的影響范圍、救援進展和官方聲明，從而進一步提升新聞報道的即時性。此外，多源信息整合、信息的篩選和驗證也是RAG應用的關鍵，這一過程需要重點整合多源信息，建立信息篩選和驗證機制，進而過濾掉虛假信息和不可靠來源，確保引用的信息具有較高的權威性和真實性[9]。

（三）微調應用策略

通過對模型的微調，可以顯著提升AI生成內容的準確性、專業性，具體需要從新聞語料庫建設、特定領域微調方面入手[10]。新聞媒體應構建豐富多樣的新聞語料庫，包括各類新聞報道、評論文章、社論等多種文本類型，覆蓋政治、經濟、科技、文化等多個領域，進而構建涵蓋不同時期、不同主題的語料庫，為AI提供充足的學習素材[11]。考慮到新聞報道涉及的領域廣泛，且不同領域的語言風格和專業術語差異較大，具體實踐中還應對生成式AI進行特定領域的微調，科技新聞的最新科技動態和技術背景、經濟新聞的經濟術語和數據分析方法等均屬于其中的重點[12]。

（四）重新訓練應用策略

通過對AI模型進行重新訓練，可以有效提升其生成新聞內容的質量，需要構建高質量訓練數據集，并持續優化訓練算法。在構建訓練數據集時，需要精選涵蓋政治、經濟、科技、文化等多個領域的各類新聞稿件，確保數據的多樣性和代表性，并經過專業人員的嚴格篩選、標注[13]。在此基礎上，可考慮采用先進的自注意力機制（Self-AttentionMechanism），更好地捕捉新聞文本中的關鍵信息和上下文關系，增強生成內容的連貫性，輔以超參數調優（HyperparameterTuning）等技術手段，即可進一步優化模型的訓練效果，保證生成式AI技術在新聞領域的應用質量[14]。

此外，具體實踐還d74a7b5490943f08de334e17571efe5eace74a1d5b4189312213aaecb12bc9b5需要定期更新模型，語言變化和新興趨勢也應得到高度重視。考慮到新聞領域的信息更新速度快，事件發展迅速，生成式AI模型需要定期進行重新訓練，以保持對最新信息和事件的及時響應，建議每季度或每半年更新一次模型，確保模型能夠反映最新的新聞動態和社會熱點[15]。在更新模型的過程中，應聚焦新聞語言和表達方式的不斷變化，定期引入新的新聞語料等信息，確保模型能夠生成符合當前語言習慣和表達方式的新聞內容。可圍繞新興技術、社會熱點等開展專門訓練，進而保證生成式AI技術更好地滿足新聞生產需要[16]。

六、結語

隨著生成式AI技術的進一步發展，其在新聞生產中的應用將更加廣泛深入，逐漸成為新聞生產的重要工具，推動新聞報道智能化、個性化和多樣化發展。相關探索應聚焦生成式AI在新聞生產中面臨的復雜應用場景，并推動相關技術持續進步，為新聞生產提供更全面的技術支持。

參考文獻：

[1] 練維維. AI時代新聞攝影的話語策略、價值歸位和人文賦能[J].城市黨報研究，2024（8）：63-66.

[2] 王淼，汪洋. AI新聞寫作“文字失語”現象及其改善策略[J].傳播與版權，2024（14）：5-7，51.

[3] 魏永征.面對AI技術新聞業怎樣行動？[J].當代傳播，2024（4）：1.

[4] 秦憶. AI主播如何在新聞播報中實現情感化表達[J].上海廣播電視研究，2024（3）：69-78.

[5] 邰玉泉.生成式AI技術在新聞創作中的應用[J].電視技術，2024，48（7）：103-105.

[6] 史蕊.生成式AI技術在新聞生產中的創新應用[J].電視技術，2024，48（7）：115-117，124.

[7] 吳蕾. 5G+AI技術在電視新聞傳播領域的應用[J].衛星電視與寬帶多媒體，2024，21（13）：31-33.

[8] 高峰.智媒時代AI主播在新聞播報中的革新路徑探究[J].衛星電視與寬帶多媒體，2024，21（13）：61-63.

[9] 劉東帥. AI技術在新聞采編工作中的應用[J].衛星電視與寬帶多媒體，2024，21（13）：82-84.

[10] 呂紹剛. AI改變新聞實踐[J].傳媒，2024（12）：15-16.

[11] 陳守湖.新聞業之惑：AI如何GC？[J].媒體融合新觀察，2024（3）：1.

[12] 顧婷婷. AI技術在新聞生產中的應用與檢視[J].新聞采編，2024（3）：110-112.

[13] 沈積慧. AI技術在都市類報紙記者新聞生產中的應用探索[J].中國傳媒科技，2024（6）：85-88.

[14] 田海軍.在守正創新中前行：AI大模型賦能新聞寫作策略研究[J].傳播與版權，2024（11）：1-3.

[15] 蒲子璇. AI技術在新聞采編播環節中的應用[J].電視技術，2024，48（6）：177-179.

[16] 林旭，劉鑫，薛君萍.人工智能技術在電視新聞節目中的應用[J].電視技術，2024，48（6）：112-114.

作者簡介 王璇，講師，研究方向：廣播電視。吳江，講師，研究方向：媒介批評。