# 从中国到世界：未来电视如何用亚马逊云科技打造新一代智能视频处理平台 > **合规声明（生成式 AI 服务）**：前述特定亚马逊云科技生成式人工智能相关的服务目前在亚马逊云科技海外区域可用。亚马逊云科技中国区域相关云服务由西云数据和光环新网运营，具体信息以中国区域官网为准。 > > **完整资料：如果想了解更多内容可以访问:https://events.amazoncloud.cn/china-summit-on-demand/ > > **免责声明**：本摘要仅为便于您了解峰会内容而提供，我们不对其完整性及准确性作出任何保证，且不构成任何建议或结论。相关内容仅供参考，实际内容以峰会回放视频为准。 ## 一、基础信息 - **会议类型**：行业大讲堂 - **Persona**：行业创新者 - **时间信息**：6月23日 | 15:20 - 15:45 - **标题**：从中国到世界：未来电视如何用亚马逊云科技打造新一代智能视频处理平台 - **PDF 资料**：有 - **视频回放**：有 ## 演讲人信息 ### 会议信息 - **地点**：上海世博中心（2026 亚马逊云科技中国峰会） - **日期**：2026年6月23日（Day 1） - **时间**：15:20 - 15:45 - **会议类型**：行业大讲堂 - **面向 Persona**：行业创新者 ### 亚马逊云科技演讲人 - **陈赫 Vicky Chen**：资深客户解决方案经理 ### 客户 / 合作伙伴演讲人 - **柴德润**（未来电视）：产品经理 ## 二、会议资料 PDF 转录内容 --- Page 1 --- 2026年6月23日-24日 上海·世博中心 --- Page 2 --- 从中国到世界 - 未来电视如何用亚马逊云科技 打造新一代智能视频处理平台 柴德润 陈赫 Vicky 未来电视海外业务 亚马逊云科技 产品经理 高级客户解决方案经理 --- Page 3 --- Agenda • 未来电视出海之旅 • 新一代智能视频处理平台 • 亚马逊媒体行业解决方案 --- Page 4 --- 内容出海变现专家 多业态出海 影视综、短剧、漫剧、KOL、少儿、AIGC… 关于我们（ABOUT US） 未来电视有限公司（NEWTV）是中央广播电视总台央视网旗下互联网电视新媒体平台，由央视 网、腾讯整合双方优质资源联合投资创立。 未来电视以“中国互联网电视”为播出呼号，在全球开展互联网电视业务运营，国内覆盖用户 规模超3.5 亿，月活用户超1.4 亿 2024 年营收约30亿元人民币。 自2011 年成立以来，未来电视聚合了海量的中文优质视听内容包括影视剧、短剧、纪录片、 综艺节目、儿童节目、创作者内容等。 目前业务已拓展至100 多个国家和地区，覆盖超过10 亿人。 --- Page 6 --- 海外短剧市场发展迅猛 漫剧年度观看量 短剧年度观看量 亚洲地区是主力，东南亚地区观看量超30%，欧美地区观看约占20%。 东南亚地区为核心主力，北美和拉美地区占一定比例。 漫剧收入同比增长 短剧收入同比增长 在25 年的收入爆发式增长后（同比增长超400%），26 年仍保持超过30% 的收入增长。 2025 年上半年：累计上线作品超3000 部，环比增长603%；2025 年营收1 亿美元，2026 年预计达6.5 亿美元，增幅约6 倍。 预计 预计 超过 超过 超过 50亿 100亿 6.5亿 超过 1亿 10亿 2025 2026E 2024 2025 2026E --- Page 7 --- 短剧出海面临的挑战 语言本地 上线效率 规模化挑 文化适配 化挑战 挑战 战 挑战 涉及翻译、配音、字幕、 传统流程： 随着语种增加， 各国审核标准不同， 校对多个环节协同 翻译→配音→审核→上线， 人力成本、管理成本、 用户偏好差异明显， 周期长、协同复杂 交付成本同步增加 本地化质量直接影响留存 --- Page 8 --- 当内容生产迈入工业化时代， 我们打通了从创意生成、智能处理到 全球发行的完整落地路径。 --- Page 9 --- Agenda • 未来电视出海之旅 • 新一代智能视频处理平台 • 亚马逊媒体行业解决方案 --- Page 10 --- AI 视频处理典型场景 01 02 03 04 AI 译配中心 高光中心 批量处理中心 AIGC 生成中心 支持 40+ 语种翻译 冲突场景识别 百集批量上传 AI 封面 支持 20+ 语种配音 高潮剧情定位 多语种同步生产 AI 预告片 文化表达本地化 自定义场景识别 一键化操作 AI 营销文案 多角色自动配音 自动生成解说视频 批量导出 AI 数字人 情感表达还原 AI 解说视频 AI 宣传素材 --- Page 11 --- 视频处理典型场景 - 字幕处理 原视频 ▶字幕擦除 多语种烧录 🎯 字幕识别（三模式） ASR 语音识别+ OCR 光学识别+ 字幕导入 支持框选字幕区域精确提取，准确率95%+ 🔧 字幕擦除（V1.9 升级） AI 无痕擦除技术全面升级 自动修复画面，支持 SAR 参数视频 📝 字幕烧录 + 实时预览 40+ 种语言烧录，V1.9 新增预览功能 预览字体大小、位置与最终输出一致 智能校对 ASR+OCR 交叉校验 自动运行字幕校对，大模型辅助纠错 准确率 95%+ V1.9 擦除模型升级 支持 12 种语言 新增 ASS 格式 --- Page 12 --- 视频处理典型场景 - 翻译和配音 V1.9.0： 接入 ElevenLabs + 双人同画面配音 + 英文说话人识别增强 🌐 多语种智能翻译 原视频（中文） 英语配音 泰语配音 • Bedrock 多模型选择 • 标准翻译 vs 简洁翻译（配音推荐简洁模式） • 自定义词库：专有名词精确翻译 • 40+ 种语言：英、日、韩、泰、法、德、俄、印尼、葡、西、意、阿拉伯语等 【插入竖版 【插入竖版 【插入竖版 中文原片】 英语配音效果】 泰语配音效果】 声纹克隆 ElevenLabs 🎙 AI 智能配音（V1.9.0 升级） • CosyVoice 声纹克隆：保留原始音色 • MiniMax 高品质配音：情感丰富 • 新增 ElevenLabs 接入：国际顶尖配音 • 支持同一画面双人同时配音 • 英文片说话人识别准确率显著提升 • 自动合并功能：上下文语境拼接 • 时长矫正+ 情感控制+ 变速预览一致 💡效率：10人团队一周→1人半天 | 成本：每部剧节省$1,500 | 并发：数十路多语言任务同时处理（V1.9 实例适配优化） --- Page 13 --- 视频处理典型场景 - 高光剪辑 AI 驱动的精彩片段自动识别与智能剪辑，快速生成短视频素材 ▶高光片段1 智能解说 🎬 AI 高光剪辑能力 ◆多模态视频理解 基于大模型对视频内容进行语义理解 自动识别高潮、转折、情感高峰片段 ◆智能分段与提取 自动按场景/对话切分长视频 按主题、情绪、角色筛选精彩片段 ◆一键生成竖版短视频 从长剧/纪录片中提取1-3分钟精华 适配社交平台竖屏格式（9:16） ◆应用场景 短剧预告片| 综艺集锦| 纪录片摘要 技术栈：Amazon Bedrock 视频理解 | V1.9.0 新增 Skill 功能接入 | 自研高光评分算法 直播高光回放| 营销素材自动剪辑 --- Page 14 --- 视频处理典型场景 - 批量视频处理 百部内容、一键生成、多语种同步上线 🎯 批量字幕处理 字幕识别、擦除、烧录自由调配，按需选择，减少 重复操作，百部内容一键快速处理 🎙 批量译配（V1.9 升级） 多语言同步翻译，AI 配音批量生成，音画同步适配， 高效完成多语种视频制作 🎬 批量转码 多格式选择，多分辨率输出，多码率适配，降低重 复处理成本，提升交付效率 任务批处理 上传下载提速，云端存储，高效保障进度 --- Page 15 --- 未来电视光帆计划 从 AI 智能视频处理平台赋能内容生产，到发起“光帆计划”赋能高校人才培养与产业实践，我们正在从 技术服务提供者，升级为内容出海生态建设者。 --- Page 17 --- Agenda • 未来电视出海之旅 • 新一代智能视频处理平台 • 亚马逊媒体行业解决方案 --- Page 18 --- 未来电视智能视频处理平台 基于亚马逊云科技 AI Video Translation 资产 V1.9.0 构建 用户接入层 Web 管理后台 Studio 编辑面板 API/SDK 接口 批量任务系统 字幕识别 智能翻译 AI 配音 字幕处理 视频理解 AI 能力层 ASR/OCR/SRT Bedrock 多模型 MiniMax/ElevenLabs 擦除/烧录/预览 高光/分段/Skill 说话人识别 自动合并 时长矫正 情感控制 并发优化 工作流引擎 多角色+英文增强 上下文语境拼接 配音画面对齐 多角色情绪匹配 任务→实例类型适配 Amazon S3 Amazon Bedrock EC2 GPU Step Functions CloudFront 基础设施层 存储 LLM 推理 AI 推理加速 编排 全球分发 版本演进 ✓V1.0-1.8 基础译配 ✓V1.9.0 ElevenLabs+并发优化 → V1.10 批量处理+LLM 角色匹配 → V2.0 Agent 自动化 V1.9.0 亮点：接入 ElevenLabs 配音| 支持双人同画面配音| 英文说话人识别增强| 字幕擦除模型升级| 并发实例类型适配 --- Page 19 --- 亚马逊云科技媒体行业解决方案 • 端到端 Serverless 架构 • GPU 弹性扩展 • 松耦合 API 对接客户系统 • 全球 30+ Region 就近部署 • 数据不出域 • 🔒 不用于模型训练 --- Page 20 --- 反馈二维码 您的反馈信息对我们非常重要 请您扫描“调查问卷”二维码，填写问卷 --- Page 21 --- Thank you ## 三、会议回放视频转录内容 各位现场的朋友，晚上好 我是来自未来电视海外业务的产品经理，柴德润 有声音吗？ 要戴耳机 可以了 可以了 今天我们会跟大家详细的聊一下 我们过去一段时间正在做的事情 主要就是将中国的优秀的网络视听的内容 通过 AI 的方式，批量的传到海外，传到全世界 我们今天的分享分为三个部分 第一个部分是未来电视的出海之旅 第二个部分是因为出海 我们去做了一个新一代的智能视频处理平台 然后第三个部分我们会让亚马逊的 Vicky 老师 讲解一下我们的媒体行业解决方案 首先我们先用一分钟的时间来了解一下我们这个公司 关于我们未来电视是以中国互联网电视为播出呼号 在全球范围展开互联网电视业务运营 国内覆盖用户规模超3.5亿 月活用户超1.4亿 从2011年成立以来，未来电视聚合了海量的中文优质视听内容 包括影视剧、短剧、纪录片、综艺节目等等 目前业务已经拓展至100多个国家和地区 覆盖超过10亿人 简单来说我们是做内容出海的变现专家 我们主要的方向是做多业态出海 关于我们有六大主要合作方向 包括全球的内容采购与多渠道的分发 海外社交媒体的内容运营 包括 YouTube、Facebook、TikTok 等核心平台 本地化的译制与深度运营 以及 AI 智能译配运营优化与数据洞察 在数据洞察方面 我们在今年开发了一个新的平台 叫 Rewer，是专门做数据洞察的看板 我们接下来要讲的是 为什么我们要做海外市场 根据我们 Rewer 平台的数据显示 在今年2026年短剧的年度观看 预计会超100亿 大家可以看我们现在的这个柱形图 从24年开始是观看量超10亿 到25年的时候超过了50亿 到26年我们预计会超过100亿 在收入侧，经过2025年的收入爆发式增长 然后26年仍会保持30% 的收入增长 在我们现在的数据看来 同时我们也关注一些现在非常火的一些内容 比如说漫剧 对于漫剧我们也进行了一些调研 在2026年预计观看量会破10亿 目前主要是以东南亚地区作为核心主力 然后拉美和北美地区 目前在我们的数据侧也看到有一定比例的观众 在收入侧，2025年上半年 累计上线作品超3000 部 环比增长603% 25年的营收是1亿美元 但26年预计会达到6.5亿美元的水平 然后增幅约6倍 在我们规模化的短剧出海的过程中 我们也发现会遇到一些问题 我们把它总结了一下 它分为四个部分 第一个部分是语言的本地化挑战 第二部分是上架效率的挑战 第三个部分是规模化挑战 第四个部分是文化适配的挑战 我们主要讲一下文化适配的方向 文化适配其实主要的原因 是因为各国的审核标准是不一样的 然后每个国家的用户偏好也有明显差异 那本地化翻译和配音的质量 会直接影响我们的留存率 因此我们说当内容生产迈向工业化的时代 我们打通了从创意生成智能处理 到全球化发行的完整落地路径 所以我们创造了新一代的智能视频处理平台 我们的智能视频处理平台主要分以下四个方面 第一个是 AI 译配中心 高光中心 批量处理中心以及 AIGC 生成中心 目前是支持40+语种的翻译 20+语种的配音，支持本地化的表达 高光中心我们自定义的场景识别 也会做高潮的剧情定位 在批量处理方面 我们支持多种语种同步生产 AIGC 中心我们支持 AI 的封面 AI 的数字人以及 AI 的解说视频 这个到后面我们会有一个样例展示给大家 我们现在先来看一下视频处理的主要场景 第一个是字幕处理 在字幕处理它主要分为以下几个方面 字幕识别包括 ASR 的语音识别 OCR 的光学识别以及字幕导入的功能 在我们最新升级的1.9.0 的版本中 我们做了 AI 无痕擦除技术的全面升级 还有字幕烧录实时预览以及智能校对的功能 目前的准确率是可以达到95% 以上 我们也准备了一些样例视频 让大家看一下 第一个视频是原视频 大家可以记一下目前的字幕的位置 再调一点 到最后 这个是我们擦除后的效果 就之前的字幕位置大概是在这样的一个位置 大家可以比对一下 包括衣服头发这种格子衫的擦除 我们是做到了一个无痕的擦除技术 同时我们支持多语种的烧录 目前这个呈现是一个英语的烧录效果 大家可以看一下 第二个部分我们聊一聊视频处理的最核心的场景 就是翻译和配音的部分 我们之前也提到过说 因为像不同地区会有不同的 会有不同的语言逻辑 我们这个翻译是做到了一个本地化处理 支持多语种的智能翻译 支持 Bedrock 多模型选择 支持标准翻译和简洁翻译两种方式 可以自定义词库 支持四十多种语种 包括一些小语种 比如说印地语 印尼语 俄语 阿拉伯语等等 然后在1.9.0 的版本中 我们新增了 ElevenLabs 的接入 支持同一画面的双人同时配音 支持自动合并功能 时长矫正 情感控制以及变速一致 简单来说 我们在这个版本中做到了效率的极大提升 原来一个十人的译配团队 要做一周的工作 现在利用我们这个平台 可以做到一个人半天完成 一个人半天的一个产量 那在成本方向 我们每部剧约节省约1500 美金 在并发方向 我们支持数十路多语言任务同时处理 大家可以看一下 这个是我们的原视频 好得是 主要的空气 重要的一脚印发生的事情 都会被我们运镜头 公知无助的天下支票 送到我面前 公公禁忌地请我帮他 消除这些不灭影响 已经给他吃过药 就在流生 0608 记得一定要留好证据 到时候一定要搞到他身败 放心 等头垮了货北城 货北城就是妹妹的选择 到时候 你不用说我道歉 我已经赢了 我已经给你 给你做了一场悲伤 已经给他消除了 他在楼下 0608 确保你保持证据 我们会把他送到全城 不要紧 当货北城被抵达 货北城的家庭 会是那人 那当那件事 你不用抱歉 我已经给你 我 旗船在媒体海 更是传统的记者 更是有属性的新闻 能保护 自行发言 各种隐藏的地方 全都在镜头上 当时 当时的车 已经被抵达了 货北城也要求 消除这些不灭影响 已经给他喝药 上海 0608 地上 必须保持证据 让他被抵达 把他离开 把北城的家庭 把他送到那里 那如果这样 主要的应用场景是 短剧的预告片 直播的高光回放 可以适配一键 生成的短视频 从长剧和纪录片中 提取1-3分钟的精华 适配社交平台的 竖屏格式 然后第一个是我们 提取的一个高光的片段 可以给大家看一下 谢瞎大休息 真是可恶 谁把谁的银河 转起谁的身体 谁把谁的身体 别生离就精准 谢谢 我们看到了 这个高光片段 做的一个智能解说视频 1955年 审书是一位 杰出的医学工作者 成功打破了国外 对华国的医疗封锁 获得了国家最高 医学奖项 他曾经被修改 在国外的医学工作所 获得了国家最高 医学奖项 他与儿子西陵相依为命 但就在庆祝活动后 徒遭车祸 意外去世 留下年幼的儿子 独自成长 70年后的2025年 谢家大小姐谢果果 意外发现自己的灵魂 穿越到了一个 6 岁孩童的身体中 他醒来后发现 母亲审书 已去世3个月 父亲谢景志 却让外面的女人 登堂入室 更糟糕的是 父母对母亲的心情 处处针对她 家庭分为恶劣 原主西陵的人生可谓悲惨 父亲早世 母亲意外离世 独自长大后 还要面对偏心的父亲 恶毒的寂母 和破碎的家庭 在一场疾风于世上 谢果果的处境更加艰难 寂母挑衅她 打碎成名 企图让她得罪几家 被赶出谢家 从而无法继承财产 然而谢果果 巧面化解危机 反而让寂母 在众人面前出愁 转折发生在 谢果果遇到 妓家少爷妓研修时 她尽量的发前 这位英俊的年轻人 竟然长得和自己妓儿 西陵 她一直珍藏着 母亲的真酒棒 手臂上 还留着当年 母亲化的图案痕迹 纪怀龄认出谢果果 就是转世归来的母亲 审书 当中归下相认 震惊了所有人 谢家人惊恐万分 特别是妓母和谢景志 她们之前对谢果果的妻龄 如今成了 得罪妓家太夫人的大罪 既研修等妓家子孙 也难以执行 但纪怀龄坚定地维护谢果果 往日温情 利利在 流水不负一世深情 纵然天涯 终未远离 1.9.0 的 高光剪辑版本中 我们新增了 一个 Skills 功能接入的功能 并且我们是 自研的高光评分算法 结合了 亚马逊的 Bedrock 视频理解 我们来看 最后一个场景 就是批量的视频处理 我们支持百部内容 一键生成 并且多语种 同步上线 批量的字幕处理 批量的译配 批量的转码 以及任务的批处理的功能 我们都是支持的 然后大家可以看一下 这个就是我们平台 一个主要的批处理的页面 我们支持 不同语种的字幕选择 字号调整 以及不同的字幕样式 同时我们也做了 AI 平台赋能生产 同时我们也让 AI 的 这个平台走进了校园 走进了高校 让它去 赋能我们的人才培养 光帆计划 是我们未来电视 联合 YouTube 发起的面向 全球的 AIGC 内容出海计划 致力于孵化 汇聚 最具创造力的 内容创作者 和技术创新者 与行业先锋 打造 AIGC 和内容出海 在全球文化传播中的 新生态 在本月的17号 我们的光帆杯 AIGC 出海大挑战正式启动了 现在目前是 面向社会征稿 大家感兴趣的 可以参与一下 然后高校组的 也会分期推出 以上就是 我们产品侧的一些内容 然后接下来 让亚马逊的 Vicky 老师 帮我们讲解一下 行业的解决方案的部分 好 谢谢柴老师 大家好 我是陈赫 是亚马逊云科技 客户解决方案经理 下面我主要是 从实现的角度 来跟大家聊一下 就是我们 亚马逊云科技 是如何支持 未来电视 实现这样一个 AI 的视频处理平台的 好 那其实 我们刚才看到 就是未来电视 他们这个 AI 视频处理平台 它主要实现了 三个大的功能方向 然后第一个大的功能方向 就是 AI 的译配 就是我能够快速的 通过 AI 的能力 把我一个语言的 比如说短剧动漫 能够快速的翻译 成多种语言 并且在海外进行推广 然后第二个 是对于视频的一些处理 比如说高光时刻的提取 比如说加解说 比如说批量的转码 等等这些视频的处理 然后第三个是视频的生成 这三个方向 那其实从 亚马逊云科技的解决方案的角度来看 其实我们从底层上来说 是我们通过我们的基础架构层 来进行一个 整体能力的一个支持的 待会儿下一张图 会有我们 就是整体的 亚马逊云科技这样一个服务的 框架架构图 那我们待会儿 再来具体看一下 是哪些服务 来支撑了这些能力 那么我重点要提的是说 就是我们刚才看到的 实现的这些功能 我们其实也是要过五关斩六将 这五关是什么呢 就是首先就是识别关 就是我们怎么样能够快 能够准确的去识别 在视频里边的 OCR 的这些字幕 那其实之前 我们遇到了一些小问题 比如说我在同一个画面当中 有字幕 有一些环境字 比如说我有一张纸 这个纸上有一些字 或者说我这个背景上面 有一些广告牌 广告牌上的字 它都有可能被 OCR 误识别为字幕 从而影响 我们最后的翻译和配音的效果 因为对于未来电视来说 他们希望提高的是生产效率 所以呢就是我们 更多的是希望他们能够通过一些 更加自动化的方式 来实现这样的一个识别和译配 那自动化的这个 OCR 的识别呢 其实我们最后是训练了一个小模型 来进行这个 OCR 能力的这样的一个增强 那么这个目前来说 就是基本上 我们 OCR 的识别准确率 可以达到99% 以上 并且能够屏蔽一些环境的 就是无关的一些字体 然后这个是 第一关就是识别 那第二关就是翻译 其实短剧的翻译 长剧的翻译 动漫的翻译 和我们传统一些文章的翻译 它其实是不太一样的 有的偏口语化 有的要精准 然后而且呢 就是对于这些影视剧的翻译 它还要去控制它的时长 因为我不同的语种 去表达同样的意思 它时长是不一样的 那最后有可能会导致我语音的 这样的一个长短不一 那语速不一样 所以呢就是我们在翻译这块的话呢 其实是用的 Bedrock 多模型的这样的一个能力 就是比如说我们会用的 Nova 比如说我们会用的 Anthropic 比如说我们会用的 DeepSeek 我们可能还会用的 ChatGPT 等等 那可能它在 每一个模型在不同的场景 不同的语种下 它的表现是不一样的 那我们也是通过一些测试 来给每一个语种 去选择最适合它的 这样的一个大模型 然后第三块呢就是配音 配音这是第三关 就是因为最终的用户看到的 是你最终的 AI 配音的这样的一个效果 但 AI 配音它其实就是 一个是我刚才说的时长和语速的控制 那大家如果说在 这个市面上看到过一些 AI 配音相关的商业化的产品 也可以看到最经常出现的问题 就是语速的过快或者是过慢 那这个一方面是通过 我们在配音当中 去做一个语速的这样的 一个范围控制 然后另外一方面呢就是 我们要去做一些工程化的东西 来保证它配音的这个语速 能够在一定范围之内 然后呢 而且呢就是我的翻译的内容 也是在这个时长范围之内 去进行一个内容的调整 然后这是第四关 第五关就是字幕的擦除 那字幕擦除也一样 就刚才我们其实可以看到 字幕擦除我们取得了一个 很好的这样一个无痕的擦除效果 那它其实也是我们在后台 去训练的这样一个小模型 来实现这样的一个无痕的 字幕擦除的这样一个结果的 那这个是我们 还有一个是情感关 就是我们其实每一句话 它都有不同的情感 就比如尤其是短剧 它可能会有一些非常激烈的情感 比如说愤怒啊 悲伤啊 吵架啊等等 那其实我们就要给 每一句话 去自动的去识别它的情感 到底是什么 并且把它用在我们的 TTS 配音里面去 那目前我们在 TTS 配音的 这样的一个模型也是支持多模型的 比如说 MiniMax 比如说 CosyVoice 还有 ElevenLabs 等等 那未来我们还可以 接入更多的这样一个 TTS 的模型 那这个是从我们整个的这个 功能架构的角度 来看就是我们其实 之前在这个就是 做的一些重点的这样的一个 优化和优化的工作 那么下面我们来看一下 整体的这个亚马逊云科技的产品 这样的一个架构 那基本上在这个方案当中的话 我们采用的是一个 无服务器的这样的一个架构 也就是说我们主要是 通过 SageMaker Processing Job 来进行这个整体的这样一个调度 然后 S3 作为我们媒体的这样的 一个资源桶 来存储我们的媒体资源 然后通过 Lambda 来进行 这样的一个任务的管理 然后 DynamoDB 的话 去存储我们这样的一个 就是整体的这样的一个任务 然后就是我们还用到了 Bedrock 然后刚才我也提到的 就是 Bedrock 里面的话 我们也是支持这样的一个多模型的 然后并且呢在这个方案当中 它也支持就是 第三方的一些 API 然后我们可以比较方便的 去接入一些第三方的模型 那这个其实大规模的好处是在于 就是采用 Serverless 架构的话 那我们就是按使用量付费 尤其是比如说在进行一些 视频处理的这样的一些场景的时候 那客户他往往是 白天工作时间来使用 而且呢就是他们比如说 像未来电视 他们的媒资是批量来的 就是我这一批来一 T 媒资 可能处理完了之后 那可有一段时间是集中处理的时间 下一段时间可能就是空闲时间 所以 Serverless 的架构的话 可以大幅度地 节省他们的这样的一个成本 那么我们做过一个大致的一个测算 就是他整体的这样的一个 译配高光时刻提取等等 这样的一个处理成本 和商业软件相比的话 大概是十分之一的这样的一个成本 然后另外的话呢就是 他可以去采用亚马逊云科技 全球超过30个 Region 的这样的一个 GPU 的资源去进行 就近的部署和弹性的一个扩展 那目前来说的话呢 就是我们其实是部署的几套环境 包括在美东美西 其实都会有一些 就是我们的这样的一个处理环境 那这个这套环境 它的部署也是非常快 就是我们是交付代码的方式 给到客户的 也就是说您可以在您自己的环境里面 进行部署 然后这个部署时间 可能也就一个小时左右 然后咱们就可以去试用 那今天我们外边的展区里面 其实也有这个 AI 译配高光时刻 AI 解说相关的一个展示 就是基本上就是在这片区域 大家感兴趣的话 也可以去跟我们在展台的 SA 老师去进行咨询 然后另外就是 我们所有的这些 每一个的功能点 包括翻译配音字幕的擦除 字幕的提取 它都是通过 API 的方式 进行提供的 所以很容易跟我们现有的系统 进行集成 那这个就是 我们这边对于 整体的这样一个 就是架构的这样一个介绍 然后大家可以扫描这个二维码 给我们进行一个评价 然后那个这个二维码扫吗 那个超过五个 然后就可以去前台那边 去领取一个小礼品 所以大家那个听完讲座 一定要记得扫描二维码 好那我们今天的分享就到这儿