基于生成式AI的彩铃智能增强系统及关键技术研究.pdfVIP

新技术应用电信工程技术与标准化

基于生成式AI的彩铃智能增强系统及关键技术研究

潘璐

（中国移动通信集团有限公司，北京100029）

摘要为抢抓以生成式AI为代表的新一代人工智能发展机遇，本文从生成式AI技术及产业现状出发，结合当前彩铃业

务发展及面临的主要问题，分析基于生成式AI的彩铃业务发展机遇，梳理基于生成式AI的彩铃智能增强系统架

构，优化内容创作和内容推荐场景的关键技术方案，为彩铃业务引入生成式AI提供参考。

关键词生成式AI；生产式AI大模型；彩铃

中图分类号TN915文献标识码A文章编号1008-5599（2024）05-0036-07

2022年末，随着OpenAI发布的智能聊天机器人代码、图像、音频、视频和3D模型等多元内容。近年来，

ChatGPT火爆全球，以大语言模型GPT为代表的生成以大语言模型、转换器模型和扩散模型等为代表的生成

式AI逐渐成为人们关注的焦点。作为一种新质生产力，式AI大模型（以下简称大模型）成为生成式AI发展的

生成式AI正在加速融入教育、医疗、办公和文化创意重要方向，不断推动人工智能领域实现新突破。

等各领域，并推动生产、生活和治理方式的变革。生成从技术演进来看，生成式AI能够处理和生成的数

式AI强大的跨模态生成能力、惊人的涌现能力和通用据类型正在从单模态向多模态加速发展，跨模态生成能

能力，与彩铃内容创作、个性化推荐的业务场景及用户力不断增强，为数字内容领域融合创新提供了更多可

需求高度契合，未来将推动彩铃生产方式变革。通过引能。随着扩散模型和转换器模型等技术引入，以及文

入生成式AI优化彩铃业务系统及关键技术，有助于降本、图像、视频、音频、结构化数据等多源多模态数据

低内容创作门槛、激发用户创作潜力、丰富彩铃内容，一体化表征和对齐技术的成熟，大模型并行处理音视频

为彩铃业务发展创造更广阔的市场空间和文化价值，开等多模态数据、执行跨场景任务、高效生成优质数字内

创新一代人工智能与彩铃业务融合发展的新未来。容等能力不断取得新突破，与人类对话的流畅度、生成

文本的连贯性、音频创作的风格音效、生成视频的整体

1生成式AI技术及产业发展现状质量均显著提升。音频生成方面，以音频大模型Stable

Audio为例，从V1.0仅支持文生音到V2.0支持文生

生成式AI是一种基于机器学习和人工智能的技术。音和音生音，生成的音频时长也从45秒扩展至3分钟，

与传统人工智能相比，生成式AI通过深度学习和神经且V2.0新增支持生成摇滚、爵士、电子、民谣和流行

网络等先进算法可模拟人类创造性思维，自主生成文本、等20余类风格的音乐以及不同风格之间的音乐转换；

收稿日期：2024-04-11

36

2024年5月第5期（第37卷总第323期）月刊

电信工程技术与标准化新技术应用

视频生成方面，生成的视频长度已从RunwayGen-3双重特点的增值服务，赋予了通话等待场景“黄金15秒”

的18秒提升至Sora的60秒，清晰度也从4K增强至的新价值和新商机。当前，随着5G飞速发展，视频彩

1080P，同时视频分辨率、画面流畅度、故事连贯性