火山引擎 AI MediaKit 赛事高光「边播边发」能力：多模态理解驱动的 AI 短视频工厂

AI MediaKit 综合运用语音识别、文字识别、NLP、视频理解与视频生成等多模态模型能力深度理解直播与点播视频内容，把「发现高光、快速切片、批量生成」三件事融入直播流实时处理链路。足球直播场景中，多模态视觉理解算法实时分析视频流，检测镜头切换、画面突变与音频特征，综合判断球入网瞬间、球员庆祝与裁判哨音后自动完成场景切分，进球后最快 3-5 分钟即可自动返回高光片段、生成独立切片文件，并支持配置起止冗余时间；支持中文及英语、法语、西班牙语、葡萄牙语、泰语、印尼语、越南语、马来语等 90+ 语种的专业赛事解说；因综合利用大语言模型结合线上业务数据训练，视频理解准确性大幅提升，体育-足球赛事场景下准召率超 80%。与行业内普遍仅支持点播视频处理的方案不同，AI MediaKit 同时支持直播与点播：用户只需输入直播拉流地址，即可在直播过程中即时获取分析结果，无需等待比赛结束或专人盯播。高光片段提取工具并非直接剪辑视频，而是以结构化 JSON 输出精准时间戳、高光分数与画面描述的智能分析引擎，可精准捕捉进球的「情绪高光」与球员庆祝的「关键动作」，把「边播边发」变为可规模化部署的能力。