多模态理解技术在过去几年历经了从练就招式，到修习心法，再到打通任督二脉的阶跃式发展。因此，多模态理解技术在业界得到了广泛的关注与争相地投入。本次 talk 中，将介绍多模态理解技术的新近发展，并介绍字节智创多模态理解与编辑团队在该方面的技术布局与进展。同时，结合字节在内容创作的旺盛需求，侧重介绍多模态理解技术赋能内容创作的应用场景。

演讲提纲：

1. 背景信息： 多模态理解技术的三重境界
2. 技术研发： 智创在多模态理解技术的布局
3. 业务应用： 多模态理解技术是创作的新动力
4. 总结

你将获得：

• 从技术到应用多角度了解字节智创在多模态理解技术的研发布局与业务落地

智能创意是大型广告平台必不可少的展示手段，也是内容生成算法的直接应用。如今，伴随着 AIGC 的大火，智能创意受到了更多的关注。本次分享旨在介绍阿里妈妈智能创意的部分技术进展，包括应用图文、直播片段、视频等各类素材制作创意的新方法，以及扩散模型为代表的 AIGC 技术的应用情况。

演讲提纲：

1. 智能创意 in 阿里妈妈
2. 全自动无模板图文创意
3. 直播高光剪辑
4. 字体迁移与新字体生成
5. 创意工具
6. 智能创意中的 AIGC 技术

你将获得：

• 收获内容生成在工业界的落地示例，启发生成技术应用新思路

当下AIGC 制作动画视频，要么就是炫技，要么就是粗制滥造，市面很少能用AIGC制作能够商用的动画视频。而我们利用 ChatGPT+Midjourney+Runway/Kaiber AI，采用独特的调教方法和丰富的实战经验，可快速高效地生成质量稳定的可商用的动画视频，改变传统动画和视频拍摄耗费人力的痛点，实现大幅降本增效。

演讲提纲：

1. 动画视频的 ChatGPT 的调教方法
2. Midjourney 批量制作动画的关键帧
3. Runway 对 ChatGPT 和 Midjourney 的素材快速生成视频

你将获得：

• 了解 ChatGPT的调教方法，ChatGPT生成内容的背后逻辑和原理
• 了解 Midjourney 如何制作关键帧
• 了解 Runway 如何快速生成视频

AI 的发展为多媒体技术体系提供了越来越多的可能性。传统多媒体在提升音视频转码、存储、分发等基础服务质量上的应用已经相当成熟，在此基础上结合前沿 AI 算法我们能够进一步提升用户观感体验，并促进创作者权益保障体系的完善。 从用户体验的角度出发，我们建立了一套非常完整的覆盖云 / 边 / 端、点 / 直播的画质增强链路；利用大语言模型提升用户对信息流的汲取效率。 从 UP 主权益的角度出发，我们在不断尝试通过技术手段为 UP 主拓展更多的收入增长模式；在版权意识崛起的今天更好的保障 UP 主的创作成果。

演讲提纲：

1. 全链路视频画质质量监测与提升

2. 基于 LLM 的视频拆条应用落地

3. 虚拟广告植入的技术探索

4. 面向规模化的AI视频数字水印系统 

你将获得：

1. B站多媒体实验室的研发热点

2. 前沿技术落地的经验与思考