行業(yè)主要上市公司：阿里巴巴 ( 09988.HK，BABA.US ) ; 百度 ( 09888.HK，BIDU.US ) ; 騰訊 ( 00700.HK， TCEHY ) ;科大訊飛 ( 002230.SZ ) ;萬興科技 ( 300624.SZ ) ;三六零 ( 601360.SH ) ;昆侖萬維 ( 300418.SZ ) ; 云從科技 ( 688327.SH ) ;拓爾思 ( 300229.SZ ) 等

本文核心數(shù)據(jù)：場景結(jié)構(gòu)比重 ;

多模態(tài)大模型應(yīng)用場景結(jié)構(gòu)

賽迪四川研究發(fā)現(xiàn)，從多模態(tài)大模型的應(yīng)用場景來看，相較語言大模型賦能行業(yè)，多模態(tài)大模型更加偏重落地場景，商業(yè)變現(xiàn)路徑更加清晰。多模態(tài)大模型企業(yè) 20 強(qiáng)中，應(yīng)用場景可劃分為 11 類，成熟度相對較高且最受關(guān)注的前 5 個(gè)場景分別為數(shù)字人、游戲、廣告商拍、社交媒體和智能營銷。

多模態(tài)大模型讓數(shù)字人呈現(xiàn)更逼真

多模態(tài)技術(shù)為數(shù)字人提供了強(qiáng)大的核心能力，包括語言生成、語音合成、視覺呈現(xiàn)和跨模態(tài)協(xié)同。通過自然語言處理 ( NLP ) 技術(shù)，數(shù)字人能夠準(zhǔn)確理解語義并生成流暢自然的語言回復(fù) ; 利用語音合成技術(shù)，數(shù)字人具備生動的語音表達(dá)能力，并支持多語言和語調(diào)調(diào)節(jié) ; 在視覺呈現(xiàn)方面，基于圖像和視頻生成技術(shù)，數(shù)字人能夠展現(xiàn)逼真的面部表情、肢體動作和動態(tài)表現(xiàn)。同時(shí)，數(shù)字人通過整合文本、語音、圖像等多種模態(tài)，提供高度自然的互動體驗(yàn)，顯著提升人機(jī)交互的質(zhì)量和效果。

多模態(tài)大模型提升游戲交互體驗(yàn)

多模態(tài)大模型為游戲娛樂提供的核心能力包括自然語言理解與生成，多模態(tài)技術(shù)結(jié)合自然語言處理 ( NLP ) ，使游戲角色能夠理解玩家的語言指令，并進(jìn)行情景化、語義相關(guān)的自然語言回復(fù)，增強(qiáng)沉浸感。語音交互與生成，指借助語音合成技術(shù)，游戲中的虛擬角色能夠生成生動、情感豐富的語音表達(dá)，支持語調(diào)調(diào)節(jié)和多語言輸出。圖像與視頻生成，是利用多模態(tài)技術(shù)生成逼真的角色形象和動態(tài)場景。游戲中的場景、物品、任務(wù)等可根據(jù)玩家行為動態(tài)生成，確保內(nèi)容的獨(dú)特性和互動性。跨模態(tài)協(xié)同與動態(tài)輸出，是結(jié)合多模態(tài)感知與生成技術(shù)，游戲系統(tǒng)可以根據(jù)實(shí)時(shí)輸入 ( 如語音、動作 ) 動態(tài)調(diào)整輸出內(nèi)容 ( 如場景變化或情節(jié)分支 ) 。最后是沉浸式體驗(yàn)優(yōu)化，支持玩家通過語音和動作輸入與虛擬世界互動，增強(qiáng)玩家對游戲環(huán)境的代入感。

多模態(tài)大模型使廣告商拍更高效

多模態(tài)技術(shù)通過智能創(chuàng)作、精準(zhǔn)投放、沉浸式互動和實(shí)時(shí)優(yōu)化，為廣告傳媒行業(yè)賦能，實(shí)現(xiàn)內(nèi)容生產(chǎn)自動化、廣告?zhèn)鞑€(gè)性化以及用戶參與深度化，推動廣告行業(yè)向高效化和智能化轉(zhuǎn)型。多模態(tài)大模型推動廣告?zhèn)髅叫袠I(yè)從內(nèi)容創(chuàng)作到投放管理的全面智能化轉(zhuǎn)型，顯著提升創(chuàng)意生產(chǎn)效率、用戶體驗(yàn)和投放精準(zhǔn)度，同時(shí)拓展了品牌傳播的互動性與沉浸感。

多模態(tài)大模型提升社媒商業(yè)化效果

多模態(tài)大模型正在重塑社交媒體行業(yè)的各個(gè)層面，推動了內(nèi)容創(chuàng)作、用戶推薦、互動體驗(yàn)、社區(qū)治理以及商業(yè)化的智能化轉(zhuǎn)型。通過高效的數(shù)據(jù)處理和深度的情感理解，社交平臺能夠提供更加個(gè)性化、精準(zhǔn)和豐富的用戶體驗(yàn)，同時(shí)提高平臺運(yùn)營效率和商業(yè)化效果。

來源：前瞻網(wǎng)