q过去半年里，ChatGPT迅速成为炙手可热的话题，激起了中国科技界和风险投资圈的无尽涟漪。国内互联网巨头到创业公司，纷纷组建团队，积极备战，试图追逐这一新风口。
其中，百度文心一言是较早推出的一家，从不完善中起步，如今经历了半年的沉淀。本文从一个内容工作者的角度，试图予以验证。
文|张翠芬
这场热闹和喧嚣之中，短期获取关注度和追逐资本风口的人不在少数，但真正踏实投入和实际行动的则寥寥无几。目前来看，百度成为科技巨头中最坚定的公司。
在过去几年，国际科技竞赛的背景下，科技自主创新已成为共识。因此，在ChatGPT引起中国舆论热议之时，人们希望国内也能开发出类似产品，与之一较高下。经过投入超过1100亿元人民币用于AI领域研发的十年，百度自然成为众人关注的焦点。
在外界的瞩目下，3月16日，百度正式推出基于大语言模型的生成式AI产品“文心一言”，如今，经历了半年沉淀，模型越来越完善。
我们决定用一个视频脚本的创作作为案例。在这个视频才是内容显学的年代中，脚本创作是多少文字工作者不想翻、不会攀，却被迫要去越过的障碍啊。
短视频创作少不了要去契合热点，“七夕”是下周的一个小热点，先让文心一言帮忙搜集一些参考资料，省去了爬便互联网检索材料的麻烦。
查找资料只是第一步。
创作视频脚本是一个充满创意与挑战的过程，同时也常常伴随着各种困境。
首先，创作过程中最大的挑战之一是如何找到一个引人入胜的故事线索。故事必须具有吸引力，能够吸引观众的注意力并保持他们的兴趣，这需要作者不断地思考和尝试不同的创意。
其次，镜头前的人物形象塑造也是一个困扰创作者的难题。KOL需要有深度和可信度，观众要能够与他们产生共鸣并关注他们的成长。这需要创作者花费大量时间来思考角色的背景、动机和情感，以便让他们在故事中变得真实而引人注目。
另一个困境是如何平衡故事情节和视觉效果。在创作视频脚本时，必须考虑如何将令人难忘的画面融入到故事中，但同时也不能牺牲情节的连贯性和深度。这需要创作者在创作过程中不断地权衡，以确保视觉和故事相互补充，而不是相互竞争。
此外，时间限制也是一个常见的困扰。视频脚本通常需要在有限的时间内展现完整的故事，这意味着创作者必须精简情节、对话和画面，以适应时间框架。这可能需要舍弃一些原本有趣的内容，从而在保持故事完整性的同时进行必要的删减。
最后，创作视频脚本还需要考虑制作成本和可行性。有时，创意虽然非常吸引人，但由于预算限制、场地问题或技术难题，可能无法实际实现。创作者需要在创意与现实之间找到平衡，确保他们的创作不仅具有创新性，还能够在实际制作中得以落实。
将这个任务交给文心一言。
人工智能的作用则是计算机通过对文本、图片、视频和音频等不同信息载体的认知和理解，结合周围环境因素，来模拟人际交互。为了让人工智能更好地理解人类世界，最有效的方法是让AI能够成功理解多模态信息，并能够对这些信息进行分析、推理，进而形成新信息的生成能力。
文心一言显然get到了这一点。
在这个格式规范、内容完整的脚本中，最令人欣喜的是结尾。
在这个信息爆炸的时代，标题已经成为引导注意力、吸引读者的重要工具。流量成了影响内容传播的关键指标，而一个吸引人的标题能够在这个竞争激烈的世界中脱颖而出。然而，起一个既能吸引目光又能准确传达内容的标题并不容易，需要考虑的因素很多。
对于人类来说，那是基于经验完成的事情，但让文心一言来操作，则是一次大数据运算。用算法对付算法，也许是个不错的选择。
以前，寻觅合适的图片是我工作中让编辑感到头痛的部分。
不仅需要花费大量排版的时间用在寻找适当的图片上，还需要注意版权问题，有版权的图片往往不能被使用，而那些免费提供的图片要么不够清晰，要么不符合文章的要旨。
这种情况曾经让编辑们感到非常焦虑。然而，现在的文心一言，已经可以直接根据文章的内容，轻松生成所需的图片素材。
文心大模型经过多次迭代，早在更早之前已从独立的自然语言理解拓展至多模态领域，囊括了视觉、文档、文图、语音等多样性功能。
其独特的“拟人化”功能，对于文字工作者来说尤其友好，在多个权威测评中取得卓越成绩。
以跨模态文档智能大模型ERNIE-Layout为例，借助布局知识增强技术，它将文本、图像、布局等信息融合进行联合建模，在文档抽取、布局理解等5类11项任务上刷新了业界记录。
而作为业界首个融合场景图知识的多模态预训练模型，ERNIE-VIL在视觉常识推理、跨模态图像检索、跨模态文本检索等典型多模态任务中刷新了世界记录。
文字工作者，尽情使用吧。
未经授权，请勿转载
