媒体·娱乐产业已进入结构性转型期。观众正从以电视节目表为中心的“横向观看”转向TikTok、Instagram Reels、YouTube Shorts等“竖向·短视频”，广播公司因此面临着需将同一直播内容以多种形式同时播出的课题。加之AI已扩展至实时介入制作现场的“推理”阶段，内容生产方式本身正在发生改变。
尤其在体育直播领域，这一变化最为显著。传统方式是将比赛画面拍摄后，将广播用16:9画面重新加工为竖屏视频，这需要额外的人力和手动编辑，在速度和成本方面均存在较大局限。同时，难以满足已习惯于实时消费精彩片段的年轻观众需求，也成为一项负担。
为解决这些问题，福克斯公司（Fox Corporation）曾专门搭建了面向社交内容的“竖屏控制室”，但行业内普遍指出，劳动密集型结构仍是瓶颈。延迟会降低用户响应，以手动操作为核心的工作流程制约着大型活动的扩展，而割裂的制作流程则导致投资回报率下降。
AWS与福克斯：将AI推理直接嵌入直播制作流程
亚马逊云服务（AWS）与福克斯的合作，并不仅仅是将AI作为独立的后期处理工具。其核心在于将AI推理直接融入直播制作管线，从而从一路直播视频中同时生成多种格式，实时识别关键画面，并即刻分发至各平台。
目标十分明确：从单一直播流生成多种格式的输出，在比赛进行中即时捕捉“关键时刻”，向多个平台无延迟分发，并在减少重复工作的同时，让制作人员保留编辑权。在这一模式下，AI并非替代制作者，而是承担重复性工作的“辅助代理人”。
为此，AWS在其媒体服务产品套件中新增了“Elemental Inference”。该功能并非独立系统，而是直接集成至MediaLive等现有制作工具中。换言之，AI推理已作为实际广播技术栈的一部分，而非独立试验性功能。
竖屏自动转换与精彩片段检测，加速制作流程
Elemental Inference的核心功能主要有四项。首先是实时竖屏转换：追踪画面中的人物与运动，将直播视频自然地重构为竖屏格式。无需像过去那样由人工逐一调整构图，就能即时生成适配移动端观看的画面。
其次是实时精彩片段检测：在比赛或节目进行中实时捕捉关键场景，实现快速剪辑与发布。第三是并行输出：从同一路原始画面同时生成横屏与竖屏版本，缩短编辑与分发时间。最后是集成发布功能：即使在直播过程中也能持续进行编辑与发布，从而提升观众参与度。
该技术的首要应用领域是体育赛事，但其适用范围远不止于此。在新闻和谈话节目中，也可通过说话人识别、场景切换检测等方式实现类似的自动化。归根结底，“什么样的内容、以何种格式、多快地推送到哪个平台”正成为竞争力的核心所在。
从效率到盈利能力：AI投资成效渐显
此类AI驱动制作工作流程的价值不仅在于成本削减。将重复性工作自动化后，制作人员可专注于编辑、叙事构建、观众反馈应对等更具附加值的工作。与此同时，内容分发速度的提升，也将有望改善在各平台的触达范围与用户响应。
值得关注的是，随着内容与观众数据之间联系愈发紧密，“制作→分发→分析→优化”这一循环结构已接近实时运转。这正是AI推理被评价为已从单纯的便利功能，转变为制作现场“控制层”的原因所在。
在2026年NAB展会现场，这一趋势愈发明显。业内普遍认为，AI不再是试验性的附加功能，而应被视为“内置基础设施”。速度与格式的灵活性已成为必要条件，而非可选项目。AI驱动的制作工作流正逐步成为同时支撑运营效率与创意扩展能力的关键手段。
媒体产业的变革也为其他行业提供了启示：AI的真正价值，不在于技术本身，而在于它能在多大程度上自然地融入现实系统与业务流程，并带来实时成效。
TP AI注意事项 本文使用基于TokenPost.ai的语言模型进行摘要。文中可能遗漏原文主要内容或与事实存在出入。