近日，國際數據公司（IDC）發布的《中國視頻云市場跟蹤（2024下半年）》報告顯示，2024下半年中國視頻云市場規模達到50.8億美元，同比增長4.7%。火山引擎憑借在視頻內容分發網絡服務、直播云服務及音視頻通信云服務等領域的持續突破，進一步鞏固了市場競爭優勢。

此次報告中，IDC還首次增設了AI視頻云Add-on跟蹤研究。火山引擎視頻云依托豆包大模型，憑借在AI領域的積極探索與廣泛實踐，成為同時入選“AI實時互動”與“智能媒體生產”兩大細分項類的廠商，尤其在“智能媒體生產”領域，更是位列行業第一。這一成績彰顯了火山引擎在”AI+視頻云”融合創新賽道的技術實力。

如今，我們正從高清流暢的數字視頻時代邁向更智能、更交互、更沉浸的AI視頻時代。隨著視頻云技術迭代和多模態大模型突破，”音視頻+AI”正打破場景壁壘，重塑溝通方式、重構內容生產流程，為用戶帶來全新體驗。

作為技術革新引領者，火山引擎視頻云將豆包大模型和AI能力深度融入音視頻全鏈路，實現了從生產端、交互端到消費端的全面智能化升級，推動行業進入“智造- 智聯-智享”的新階段。

在生產端，火山引擎視頻云融合豆包大模型 AIGC、ASR 等技術，實現多模態內容的高質、高效生產。其多模態視頻理解與生成方案可自動提取視頻高光并生成解說內容，讓字幕識別錯誤率降低了30%，90集短劇的營銷視頻素材生產效率提升20倍。目前，該方案已覆蓋賽事、直播電商、教育和節目制作等場景。

為了讓內容生成更加豐富有趣，火山引擎還為電商打造了多模態素材生成方案，支持自動生成商品氛圍圖、圖文解說視頻及3D模型等多元營銷素材，實現高效多模態內容創作。生產端的升級，并不止于視頻畫面，聲影同傳方案融合精準字幕、聲音復刻和虛擬口型技術，大幅優化觀眾視聽體驗。

在交互端，火山引擎通過 RTC 技術與TTS語音合成的融合，提升人與AI交互的真實感與流暢度。該方案已經廣泛落地于智能助手、AI陪伴、AI教育、智能客服等場景。比如，在兒童陪伴場景，針對孩子們語速慢、表達不連貫等特點，火山引擎優化了實時打斷速度和斷句識別準確度，創造一個更加友好和鼓勵性的交流環境。在AI社交陪伴場景，通過智能匹配輸出內容與方式，結合語音與文字構建對話場景及情感背景，讓交互體驗更自然真實。

在消費端，火山引擎持續推動虛實融合的沉浸式體驗落地。依托 Beaver 3D生成模型，用戶1分鐘就可以生成高保真3D資產；通過大場景3D重建方案，實現了對真實場景的高質量幾何構建與外觀重建渲染，廣泛應用于虛擬直播、VR直播等場景中。此外，借助 6DOF 直播技術，觀眾還可360度自由視角觀看直播內容。

當前，行業客戶正積極抓住AI帶來的增長機遇，推動視頻云市場進入新一輪的增長周期。火山引擎憑借其在“AI+視頻云”領域的領先地位和持續創新，將繼續引領行業的發展，為用戶提供更加智能、高效、沉浸式的音視頻體驗。