图片来源 Midjourney Showcase
近年来，网络短视频逐步取代以报纸杂志为代表的纸媒。以视频、音乐为代表的视频媒体传递成为当下的主流传播媒体。但是你有没有想过，也许你刷到的短视频是AI创作的
AI生成短视频
AIGC（Artificial Inteligence Generated Content）即人工智能生产的内容。随着AIGC的蓬勃发展，Meta和Google相继推出文本生成视频的黑科技。用户可以根据自身需要输入描绘某个场景的文本信息，即可生成与文字相匹配的短视频，内容生动有趣。
样例网站：https://make-a-video.github.io/
AI生成图像
AI除了制作短视频，还能进行作画、作曲、作诗等艺术创作，AIGC如一夜春风般，席卷文化领域。未来，AIGC、NFT和VR/AR或将成为元宇宙和Web3.0的三大基础设施。随着数据积累、算力提升和算法迭代，人工智能在逐步渗透在写作、编曲、绘画和视频制作等创意领域。
Midjourney - Community Showcase
AI虚拟人
其实一直火爆全球的虚拟人，也是AIGC的作品。例如百度的AI数字人——希加加。不同于传统的数字人，希加加的面部表情、形体表达、语音表述、回答内容、肢体反应、情绪反馈等外在表现和交互内容，都是由AI实时生成的。其互动效果和智能性更高，用户体验感更好。
百度 - AI数字人 希加加
AIGC底层创作原理
AIGC是以人工智能技术为核心，多项关键技术共同整合加持而成，其中包括多模态交互技术、3D数字人建模、机器翻译、语音识别、自然语言理解等技术能力。AIGC 技术主要涉及两个方面：自然语言处理 和 AIGC 生成算法。
自然语言处理：作为实现人与计算机之间如何通过自然语言进行交互的手段，让机器听懂人的诉求，根据诉求生成符合要求的内容，是AICG的第一步。
AIGC生成算法：目前主流的包括生成对抗网络和扩散模型。扩散模型有潜力成为下一代图像生成模型的代表，它具有高精度、以及可扩展性和并行性等优势，无论是质量还是效率均有所提升，其快速发展成为 AIGC 增长的拐点性因素。
同时，在机器学习的过程中，需要通过大量的训练来实现更准确的结果，目前以英伟达 A100 为主，对于底层算力需求将有飞速增长。决定AIGC创作作品质量的三大核心因素是：生成算法、NLP算法以及高质量的数据。算法的研究需要科研工作者的不懈努力，而高质量的数据需要数据公司的贡献。
由于AIGC算法的本质是基于深度神经网络模型的，对数据量的要求自然也非常高。目前，由于缺乏带有海量、高质量标注信息的数据，成为制约AIGC发展的壁垒，而Magic Data智能化标注平台Annonator将能够更好的助力研究人员。该平台能够实现面向场景的多模态标注，包括语音、视频、文本、3D点云等各类功能。在节省人力物力财力的同时，为构建AIGC领域坚实的数据基石。
Annotator智能化标注平台 SaaS个人版 免费申领通道