随着新一代大型视觉模型Sora的推出，生成式人工智能已跨越至三维立体空间的创作领域，而ChatGPT-4o的问世标志着跨模态大模型实现“端对端”的原生转向。在通用人工智能时代背景下，多模态内容生成技术正深刻地赋能视听行业。研究分析了多模态内容生成技术的底层支持，包括模型开发、政策引导和产业变革，并考察了其在文生影音、虚拟数字人和影视智能化生产中的应用。同时，研究也提出了智能技术发展存在的潜在风险，即深度伪造、系统性偏见和技术依赖现象。