NVIDIA 在 IBC 上将实时 AI 带入广播、体育和全球流媒体

# NVIDIA 在 IBC 大会为广播、体育与全球流媒体带来实时人工智能技术 来源：https://blogs.nvidia.com/blog/ibc-news-2026/ 在 9 月 11-14 日于阿姆斯特丹举办的 IBC 大会上，创意、技术和商业领域的专业人士齐聚一堂，将创意转化为行动，共同探讨媒体娱乐行业的创新。来自 170 多个国家/地区的超过 44,000 名与会者将聚集在 14 个以上的展厅和户外空间，探索超过 1,300 场展览，聆听 600 多位演讲者分享洞见。 请阅读下文，了解 NVIDIA 在本次展会上的重点展示内容。 --- 媒体公司正越来越多地将人工智能融入直播制作、体育、新闻和流媒体工作流程中，以获取更深入的绩效洞察、验证视频真实性、增强并本地化内容——所有这些都不会干扰可靠的广播环境。 在阿姆斯特丹举行的 IBC 2026 上，NVIDIA 宣布大幅扩展 NVIDIA AI for Media——这是一套包含 GPU 加速软件开发工具包 (SDK)、NVIDIA NIM 微服务、操作手册和蓝图的集合，旨在增强媒体娱乐工作流程中的音频、视频和增强现实效果——从而解锁理解动态、验证和增强视频、本地化节目以及构建人工智能驱动的媒体应用的新方式。 **NVIDIA 合成视频检测器 (SVD)** (https://build.nvidia.com/nvidia/synthetic-video-detector) NIM 微服务在今年早些时候的 SIGGRAPH 大会 (https://blogs.nvidia.com/blog/siggraph-news-2026/#synthetic-video) 上首次公布，可帮助机构评估视频素材为真实或由人工智能生成的可能性，为编辑、内容认证、数字取证和媒体完整性团队在其审查流程中提供另一个分析维度。 自首次发布以来，SVD 的准确率在文本生成视频内容中达到 99.3%，在图像生成视频内容中达到 97.7%，特别是在复杂的图像生成视频案例中取得了显著提升。 Dalet 正在将 SVD 整合到其为新闻机构打造的、安全的云端托管验证工作流程中。这使得编辑团队可以通过 SVD 提交视频素材，并在 Dalet 界面中检查和审核相应的分数和元数据。 TwelveLabs 宣布其首个基于公司视频智能平台构建的应用程序 Compliance by TwelveLabs 正式可用，该应用程序帮助媒体和广播团队根据地区和自定义合规标准快速筛查内容。该解决方案集成了 SVD，以添加帧级真实性信号和置信度分数，使媒体团队能够在同一合规工作流程中识别潜在的合成媒体。 Wowza*,* 其 Wowza Streaming Engine (https://www.wowza.com/streaming-engine) 媒体服务器技术为超过 170 个国家/地区的 35,000 多个视频部署提供支持，将通过 Wowza Video Intelligence Framework (https://www.wowza.com/video-intelligence-framework) 分发 SVD。该解决方案由 NVIDIA 加速基础设施提供支持，将使广播公司、流媒体提供商和其他组织能够分析实时视频源，并实时提取关于检测到的对象、场景以及人工智能生成迹象的数据。它可以部署和运行在本地、边缘、云端、混合部署环境中，甚至是完全气隔的环境中，让组织对关键媒体工作流程拥有更大的控制权。 **NVIDIA 3D 人体姿态** 估计算法可从单个摄像机捕获的视频中估算 2D 和 3D 人体关节位置和角度，有助于在无需基于标记的捕捉系统的情况下，将运动转化为结构化数据。 对于体育组织而言，这些数据可用于支持运动员和球员的运动追踪、生物力学和表现分析、回放增强、裁判和判罚工作流程、球员安全应用以及虚拟互动和沉浸式体验。 该技术还可以为内容创作工作流程提供结构化的人体运动数据。当映射到兼容的角色骨骼时，关节和运动数据可作为动画分镜、数字替身、角色重定向和虚拟制作体验的输入。 Vizrt 正在其直播虚拟演播室环境中使用人体姿态技术，通过追踪的身体运动驱动实时的 3D 灯光效果，例如反射、阴影和环境渲染。 **视频帧生成 (VFG)** 利用生成式人工智能在视频的原始帧之间创建新帧，使视频运动看起来更平滑。它可以在保持视觉质量和时间一致性的同时，将帧率提高 2 倍或 4 倍，从而实现更流畅的体育赛事、慢动作回放、直播媒体和其他高动态视频体验。VFG 还支持为生成式人工智能视频工作流程进行帧率转换和帧提升。 Ross Video 正在将其 Rio Replay 平台与 VFG 整合，为体育制作创建人工智能辅助的慢动作视频。 该技术支持体育回放的 6 倍慢动作生成。目前正在开发中，目标是实现 8 倍插值，这意味着生成的中间帧可以让回放团队获得更平滑的运动画面，而无需由超高帧率源摄像机捕获每一帧。 **NVIDIA 视频超分辨率 (VSR)** 使用人工智能在提升视频分辨率的同时减少噪点、模糊和压缩伪影。新的流媒体模式让开发者可以在实时性能和更高图像质量之间进行选择，而可调节的控制项有助于实现所需的增强水平。VSR 还增加了 10 位视频支持，并提升了整体性能和质量。VSR 可通过 NVIDIA Video Effects SDK 和一个 NIM 微服务获得，用于流媒体、广播、会议、视频播放和内容创作应用。 该技术可以通过通用接口支持视频播放器、会议应用程序、创作工具、流媒体服务、转码器和广播系统。 **NVIDIA TrueHDR** 可以将标准动态范围视频实时转换为高动态范围输出，峰值亮度可达约 2000 尼特，同时保留局部对比度并适应内容的亮度变化。 VSR、VFG 和 TrueHDR 可以在单一的视频效果处理流水线中结合使用——帮助媒体公司为流媒体、转码、游戏和创作者工作流程增强现有的内容库。 **NVIDIA 唇形同步 (LipSync)** (https://build.nvidia.com/nvidia/lipsync) 和 **主动发言者检测** (https://build.nvidia.com/nvidia/active-speaker-detection) NIM 微服务帮助开发者构建用于访谈、新闻、体育、娱乐以及其他可能多人出现在屏幕上的节目的本地化系统。 LipSync 将输入视频中的口型运动转换为与目标音轨匹配，同时保留自然的头部姿势、眨眼和身体动作。新版本改进了面部遮挡处理，并更好地保留了牙齿、嘴唇和面部纹理。 新的主动发言者检测 NIM 微服务不再需要针对多音轨进行说话人日志分析，新增了语音活动检测功能，并通过 gRPC 接口和更广泛的 GPU 兼容性扩展了 NIM 微服务部署支持。 NDI (https://ndi.video/stories/press/ndi-nvidia-ai-multilingual-content/) 正在使用 NVIDIA AI for Media（包括 NVIDIA LipSync NIM 微服务），以在现有的广播工作流程中实现实时翻译、唇形同步配音和区域语言适配。通过从公共媒体流生成多种语言体验，这种方法可以帮助广播公司触达全球观众，同时减少传统多语言分发所需的带宽、基础设施和制作复杂性。 **Studio Voice** 包含基于 NVIDIA Studio Voice NIM 微服务构建的新麦克风配置文件，让用户能更精细地控制增强语音的音色特征。 该功能旨在抑制背景噪音、减少房间混响并提高语音清晰度，然后将增强后的输出塑造为选定的麦克风配置文件，从而为更精致的直播通信、流媒体、播客和内容创作提供支持。 *试用 **NVIDIA AI for Media NIM 微服务** (https://build.nvidia.com/models?label=nvidia+ai+for+media)*。*在 **IBC 2026** (https://www.nvidia.com/en-us/events/ibc/) *上查看最新的 NVIDIA 和合作伙伴工作流程。 --- ## **NVIDIA Holoscan for Media 提供开放媒体交换层，用于构建和连接直播媒体应用*****🔗*** (https://blogs.nvidia.com/blog/ibc-news-2026/#mxl) 随着广播公司、流媒体服务和体育组织采用软件和人工智能，直播内容背后的基础设施正变得更加灵活、互联，并越来越多地基于共享的加速计算构建。 将 Media Exchange Layer (MXL) 与 NVIDIA Holoscan for Media (https://developer.nvidia.com/holoscan-for-media) 整合，加速了这一转变——提供了通用的交换层，帮助媒体应用连接并协同运行。 Holoscan for Media 是一个开放的参考架构和开发者工具包，用于为软件定义的直播制作构建人工智能驱动的媒体功能和应用。MXL 为这些基于软件的媒体功能提供了一种开放的方式，使其能够在分布式环境中交换实时视频、音频和数据。 随着制作功能向软件迁移，开发者可以构建共享加速基础设施、动态连接并独立演进的应用程序。这可以帮助媒体公司更高效地使用基础设施、更快地引入新功能，并减少应用程序之间所需的定制集成。 这种整合也为直播媒体中的人工智能应用奠定了更坚实的基础。人工智能处理、视频应用和传统媒体功能可以越来越多地在同一加速基础设施和同一软件定义环境中运行。 对于技术供应商而言，这扩大了构建能够跨更广泛、多供应商生态系统工作的应用程序的机会。对于媒体公司而言，它提供了一条使基础设施能够适应格式、应用程序和人工智能能力变化的路径。 *在 IBC 大会的 **EBU 展位 10.D21** (https://directory.ibc.org/8_0/floorplan/?hallID=F&level=1&st=exhibitor&selectedBooth=booth%7E10.D21) *查看演示。*了解更多关于 **Holoscan for Media** (https://developer.nvidia.com/holoscan-for-media) 的信息。 --- ## **NVIDIA 体育智能手册规划了体育领域多模态人工智能的发展路径*****🔗*** (https://blogs.nvidia.com/blog/ibc-news-2026/#sports-intelligence-playbooks) 体育正在成为人工智能更广泛转变的试验场：从通用模型转向基于专有数据微调的开放模型。 NVIDIA 体育智能手册 (https://animated-adventure-8ggoqky.pages.github.io/latest/) 旨在加速这一转变。它们为联盟、媒体公司和技术提供商提供了结构化的框架，以在他们自己的体育素材和标注上微调 NVIDIA 开放模型，创建能够理解特定体育运动规则、球员、得分、策略和背景的多模态人工智能。 体育组织拥有大量专有视频、元数据和表现信息，竞争对手难以复制。这些手册为如何将这些资产转化为能够支撑新的分析产品、媒体体验、自动化工具和收入流的人工智能能力提供了实用蓝图。 这些手册涵盖了整个人工智能生命周期，包括数据准备、微调、推理、评估、优化和部署，并汇集了 NVIDIA 技术，包括 Nemotron (https://www.nvidia.com/en-us/ai-data-science/foundation-models/nemotron/)、NeMo AutoModel (https://docs.nvidia.com/nemo/automodel)、Megatron Bridge (https://docs.nvidia.com/nemo/megatron-bridge/latest/)、NIM 微服务 (https://www.nvidia.com/en-us/ai-data-science/products/nim-microservices/) 和 NVIDIA 加速计算 (https://www.nvidia.com/en-us/data-center/solutions/accelerated-computing/)。 通过提供从模型定制到生产的集成路径，体育智能手册可以降低构建专用体育人工智能的成本和复杂性，同时增加对其计算、软件和推理栈的需求。 早期测试展示了领域专业化潜力。在使用类似于训练时采用的题型对未见过的素材进行评估时，多项选择题准确率从约 53% 提高到 94%，开放式评估从约 5.7% 提高到 66%。 Machina Sports 正在将其原生体育数据、评估和代理基础设施与体育智能手册相结合，使版权持有者能够将专有媒体和专业知识转化为私有化的、可部署的智能，用于直播制作、内容和粉丝体验。 随着代理型人工智能日益普及，这一机会也在扩大。通过 NVIDIA AI-Q Blueprint (https://build.nvidia.com/nvidia/aiq)，组织可以使用其特定领域的人工智能模型作为代理中的专家智能，这些代理能够跨视频、企业数据和软件系统进行推理，从而将手册从体育理解扩展到决策和自动化。 Wowza 正在将其视频智能框架与视觉语言模型（包括 NVIDIA Cosmos 3 和 Nemotron）集成，并通过 NVIDIA 体育智能手册进行微调，以检测直播流中的特定体育时刻，缩短响应时间。 *探索 **NVIDIA 体育智能手册** (https://github.com/NVIDIA/sports-intelligence-playbooks)*。 --- ## **NVIDIA 将多语言内容本地化引入直播广播*****🔗*** (https://blogs.nvidia.com/blog/ibc-news-2026/#content-localization) 通过直播节目触达全球观众，需要的不仅仅是翻译文字。语言细微差别、语音、时序、面部动作、字幕和屏幕图形必须实时协同工作，同时保留原始节目的编辑意图和制作质量。 为了帮助广播公司、体育联盟、版权持有者和流媒体服务将这些元素整合到统一的、软件定义的实时本地化工作流程中，NVIDIA 正将其内容本地化技术引入 NVIDIA Holoscan for Media 开发者工具包。该参考工作流程专为广播和流媒体开发者设计，支持字幕、翻译音频、配音、同步视频和本地化图形。 基于 Holoscan for Media 的内容本地化提供了一个参考，展示了本地化技术如何在软件定义的广播应用中协同工作。开发者可以根据每个节目、市场或分发渠道的需求选择功能，而不是为每个本地化版本部署独立的基础设施。 基于 Holoscan for Media 的内容本地化融合了 NVIDIA AI for Media 的最新进展，包括改进的 LipSync（可在面部部分遮挡时工作）和增强的 Active Speaker Detection，以帮助应用程序在多人场景中识别谁在说话。 ### **扩大直播节目的覆盖范围** 本地化可以改变直播节目的覆盖范围和经济效益。一个共享的、可组合的工作流程可以帮助媒体公司更快地引入区域报道、服务更多观众并为各个市场量身定制体验——同时保留直播制作所需的时间精度、视觉语境和编辑控制权。 来自 AI-Media、CAMB.AI、Chyron 和 Panjaya 的技术各自通过 Holoscan for Media 解决了内容本地化的特定部分，从调整语音和屏幕呈现方式，到创建多语言字幕和翻译音频、本地化图形，以及在直播和点播内容中保留表情和身份特征。 内容本地化技术还支持基于文件、流媒体和后期制作的应用程序。