在当下“打开镜头就能拍片”的全民创作时代,“幽默搞笑”是最受用户欢迎的强势内容领域之一。搜狐视频举办的“幽默搞笑短视频大赛”,就将利用搜狐集团强大的宣发矩阵和亿级用户覆盖度,高度关注和支持幽默搞笑内容的创作,为全民参与短视频创作者提供展示自身独特内容的全矩阵机会。
8月17日,由搜狐视频主办的幽默搞笑短视频大赛在北京搜狐媒体大厦正式启动。搜狐公司董事局主席兼CEO、搜狐视频CEO 张朝阳等出席启动仪式,艺人评审包括评审团主席大鹏,以及梁龙、小鹿、关凌、张星特;助力官乔杉;行业评审团Tony、子龙、杨小P等亮相出席或在线与网友互动,并分享了自己的评判标准。
张朝阳在发布会上表示,搞笑是一种贡献,无论生活悲与喜,都需要笑一笑。一直以来,搜狐视频不只有美剧等长视频,还有目前非常火热的短视频和直播,搞笑幽默一直是其中一个重要的门类。而生产出《屌丝男士》《极品女士》《煎饼侠》等作品的搜狐视频可以说是搞笑视频界的鼻祖,希望每个致力于内容创作的幽默达人都能来参加比赛。这次大赛也为创作者提供一个很好的机会,期待短视频涌现出来各种各样的“大鹏”,出现一个繁花似锦的状态。
四大赛道12项大奖 高额奖金助推创作者“起飞”
据悉,此次大赛分为幽默短剧、脱口秀、配音模仿和有颜有趣四个赛道征集优秀作品,设置高额现金奖励,目前已开放报名。
奖项设置方面,拟定奖项共计12个。幽默短剧、脱口秀、配音模仿和有颜有趣四个赛道分别设置一、二、三等奖。单项奖金最高达20万,总奖金超过百万,助推优秀创作者们踊跃参赛。
此次大赛对于参赛作品内容上的要求必须是原创+首发,时长为45秒至5分钟的视频。参赛方式上,创作者可以通过搜狐视频APP上传,并选择发布到“幽默搞笑短视频大赛”圈子。
本届大赛采用移动端播放量排名的形式进行初选,并在比赛期间定期公布各赛道播放量排名,选取优秀作品进入决赛圈,最终大赛持续到11月17日。
进入决赛圈的作品,按照播放量(占比50%)+评委打分(占比50%)的评分体系进行最终决选。大鹏、梁龙、小鹿、关凌、张星特等涵盖各个领域的知名艺人将组成明星评委团,乔杉则为助力官, Tony、子龙、杨小P组成行业评审团,为本次大赛提供专业、有趣的评审把关。
大鹏梁龙小鹿关凌张星特等担任评审 分享评判标准
活动现场,作为此次艺人评审团主席的大鹏通过连线回顾了自己当初拍摄《大鹏嘚吧嘚》《屌丝男士》时的历程,他表示搜狐是自己创作的土壤,感谢这个平台给了自己被大家看到的可能,希望通过这次大赛能挖掘更多富有创造力、热爱幽默内容、真诚表达的新人。
谈及评判的标准,大鹏表示,不会把自己当作一个评审,而是当作一个单纯欣赏作品的普通网友,“只要能够让我们直观地感受到他的创造力,很自然地引起我们的共鸣,那就是好的作品。”
梁龙也通过现场连线分享了自己的感受。他表示,自己最看重作品的创新能力。
小鹿则表示,自己的艺术道路也深受搜狐平台喜剧作品的影响。自己欣赏的作品,是能够用新的角度去解读一些大众已经讲过很多次了的世间万物。
关凌透露,拍摄《我爱我家》的时候,她就感受到了,喜剧创作是很痛苦的,“做悲剧其实最容易,做喜剧是很难的,而且是一个很高级的事情。”作为此次大赛的评委,关凌表示,自己会青睐于能在短时间内给她惊喜,让她为之一震的作品。
张星特表示,自己中考的时候压力很大,当时每周都会看搜狐视频的《屌丝男士》,还专门充了搜狐视频的会员,所以这次非常开心可以成为评审。张星特的评判标准也很简单,就是作品能够勾起人看下去的欲望。
多渠道全平台高度重视幽默搞笑作品
作为内容产生的上传通道和内容平台,搜狐将高度重视幽默搞笑内容的支持力度,会持续为参赛者和参赛作品提供丰富多样的分发渠道和宣传通道。
搜狐视频将提供作品上传、分发和绝佳的展示平台,搜狐新闻客户端“关注流”将帮助个人内容分享走向广场型信息流展示;同时,手机搜狐、PC端搜狐网将同步对作品进行分享和展示,吸引广大用户关注和参与;而狐友APP则为创作者和网友提供了更加充分的互动沟通、分享感受的社区。
事实上,此前的现象级喜剧《屌丝男士》《极品女士》等自制“神剧”为搜狐积淀了“搞笑幽默”的平台优势和广泛的粉丝群体。此次搜狐矩阵的亿级用户覆盖资源,都将全平台开动为全民创作提供分发和互动机会,共同打造独具特色的短视频平台新引擎。
好文章,需要你的鼓励
AIM Intelligence联合多所知名大学揭示了音频AI系统的重大安全漏洞,开发出名为WhisperInject的攻击方法。这种攻击能让看似无害的音频指令操控AI生成危险内容,成功率超过86%,完全绕过现有安全机制。研究暴露了多模态AI系统的系统性安全风险,对全球数十亿智能设备构成潜在威胁。
新加坡国立大学研究团队系统梳理了视觉强化学习领域的最新进展,涵盖超过200项代表性工作。研究将该领域归纳为四大方向:多模态大语言模型、视觉生成、统一模型框架和视觉-语言-动作模型,分析了从RLHF到可验证奖励范式的政策优化策略演进,并识别出样本效率、泛化能力和安全部署等关键挑战,为这一快速发展的交叉学科提供了完整的技术地图。
浙江大学研究团队通过OmniEAR基准测试揭示了当前AI模型在物理世界推理方面的严重缺陷。测试显示,即使最先进的AI在明确指令下能达到85-96%成功率,但面对需要从物理约束推断行动的任务时,成功率骤降至56-85%。研究发现信息过载反而降低AI协作能力,监督学习虽能改善单体任务但对多智能体协作效果甚微,表明当前架构存在根本局限性。
纽约大学和Aimpoint Digital Labs的研究团队首次揭示了Transformer模型训练中"大规模激活"的完整发展轨迹。这些影响力比普通激活大千倍的"超级激活"遵循可预测的数学规律,研究者开发出五参数公式能以98.4%准确率预测其变化。更重要的是,通过调整模型架构参数如注意力密度、宽深比等,可以在训练前就预测和控制这些关键激活的行为,为设计更高效、量化友好的AI模型提供了全新工具。