幾十年新聞媒資嘅盤活：傳媒集團嘅智能媒資管理

一間擁有數十年內容資產嘅傳媒集團，佢哋嘅新聞媒資庫橫跨文字、圖片、音訊、影片等多種形態，時間跨度覆蓋咗由紙媒時代到流動互聯網時代嘅全部歷史。對呢啲內容嚟講，「存低嚟」從來都唔係問題——真正嘅問題係「用起嚟」：當一名編輯需要一組二十年前嘅老相片配圖嗰陣，佢搵唔搵得到？呢個項目用一套基於大模型嘅智能媒資管理平台，回答咗呢條問題。

背景與痛點

傳媒行業嘅內容資產管理，長期被幾個結構性痛點困擾：

• 資產海量、檢索低效。幾十年累積嘅新聞內容同多種媒資數據格式各異、標籤殘缺，傳統檢索依賴人工入嘅關鍵詞，編輯搵素材好多時要「翻半日、靠熟人、撞彩」。

• 創作鏈路長、重複勞動多。寫稿、搵圖、配圖、審核，大量環節靠人工，一個選題要調動好多個系統、好多位同事，素材搵唔搵得到直接決定稿件嘅生產效率。

• 數據資產沉睡、商業價值未釋放。媒資庫入面大量內容從來冇被二次使用，佢哋潛在嘅版權價值、重用價值、知識價值，都停留喺「冇人知可以點樣用」嘅狀態。

• 人才被瑣事消耗。新聞從業員嘅時間大量花喺檢索、整理、比對等機械操作上面，留俾創意同戰略判斷嘅時間被嚴重壓縮。

一句講晒：內容唔缺，缺嘅係將「沉睡嘅資產」變成「隨手攞到嘅生產力」嘅機制。

我哋點樣做

平台以統一儲存做底座，以 AI 能力做核心，構建咗一條由「存」到「用」嘅完整鏈路：

• 統一儲存同高效處理。將幾十年累積嘅新聞內容同多種媒資數據納入統一平台，建立統一嘅儲存、編目同管理體系，令分散喺各部門、各介質嘅內容有咗「一張總目錄」。

• AI 同智能檢索。借助自然語言處理同多模態理解，平台支援按語義而唔係淨係按關鍵詞檢索資料——編輯用一句說話描述「我要搵嘅素材」，系統就可以跨文字、圖片、影片定位相關內容，快速滿足資料檢索需求。

• 自動生成新聞稿並配圖。平台將 NLP 同多模態模型引入創作環節，根據新聞要素自動生成新聞稿初稿，並為稿件自動配對語義相關嘅圖片素材，將「寫稿—搵圖—配圖」嘅串行流程壓縮做一次生成。

• 發掘數據資產嘅商業價值。喺檢索同創作之上，平台將媒資嘅內容特徵結構化，令「邊啲內容可用、點樣用、授權俾邊個」變得可查詢、可營運，為內容嘅二次開發同商業化變現提供數據支撐。

落地效果

平台嘅價值最終體現喺內容生產效率同人才結構嘅雙重變化上面：

• 檢索由「翻庫」到「秒級命中」。智能檢索令編輯搵素材嘅時間大幅縮短，語義匹配取代人工關鍵詞，多年沉澱嘅內容第一次真正「隨手攞到」。

• 創作同審核效率極大提升。自動生成新聞稿同自動配圖令選題響應速度明顯加快，編輯唔需要由零起筆，審核都因為初稿質量穩定而更加順暢，內容生產節奏整體提速。

• 數據資產被「盤活」。媒資庫由沉睡嘅儲存變成可檢索、可營運嘅資產，潛在商業價值第一次被量化咁睇到，為內容變現打開新嘅可能性。

• 從業員回歸高價值工作。繁瑣嘅檢索、整理、重複性寫作被系統接管，新聞從業員嘅時間重新返到選題策劃、事實核查、深度報道等創意同戰略任務上面。

對呢間傳媒集團嚟講，平台帶嚟嘅唔止係效率工具，更加係一次工作方式嘅重構——將機械勞動交俾機器，將人還俾內容本身。

經驗沉澱：由項目到 OntiCards

呢個項目令我哋再一次確認咗一條規律：喺內容密集型行業，AI 嘅價值唔在於「生成」，而在於「令生成有根據」。自動寫稿如果冇咗對內容資產嘅準確調用，產出嘅只係「似新聞嘅文本」；只有當模型可以精準定位素材、理解語義關係嗰陣，生成先有質量可言。

呢段經驗直接沉澱做 OntiCards 嘅能力設計：統一儲存之上嘅語義檢索，對應數據卡片嘅實體同關係建模——素材同稿件之間「邊個配邊個圖、邊個引用邊個」嘅關係被顯式描述，AI 先可以據此組織內容；自動生成同配圖，對應問數引擎同術語庫對業務口徑嘅一致理解；而內容資產嘅可營運化，就對應數據卡片體系之下「資產可查詢、可治理、可重用」嘅完整閉環。

如果你嘅組織都揸住大量沉睡嘅內容資產，不妨由三個角度審視：內容有冇統一嘅描述體系？檢索係按語義定淨係按關鍵詞？創作流程入面邊啲環節本嚟可以自動化？答案越清晰，盤活資產嘅路徑就越短。