在周二举行的Made on YouTube直播活动中,YouTube公司发布了专为Shorts创作者设计的多项生成式AI工具。这些工具包括谷歌文本转视频生成式AI模型Veo 3的定制版本、全新的混音工具、"AI编辑"功能等创新功能。
YouTube引入的Veo 3定制版本名为Veo 3 Fast,能够以更低延迟生成480p视频输出,让创作者轻松制作视频片段。值得注意的是,用户现在首次可以创建带有声音的视频内容。
该更新目前已在美国、英国、加拿大、澳大利亚和新西兰推出,YouTube计划未来将功能扩展到更多地区。
YouTube还为Shorts带来了新的Veo功能,包括将视频中的动作应用到静态图像的能力。例如,创作者可以通过让静态图像中的人物执行视频中的舞蹈动作来实现动画效果。该公司表示,这项技术能够捕捉并传输一个主体的动作到另一个主体上。
创作者现在还可以使用Veo为视频应用不同风格,如波普艺术或折纸风格。此外,创作者现在能够通过文本描述添加角色或道具等对象。这些新功能将在未来几个月内推出。
关于新的混音工具,创作者可以将符合条件的视频中的对话转换为其他Shorts的动听配乐。
YouTube Shorts和生成式AI创作产品总监Dina Berrada在博客文章中写道:"作为世界上最大的创意平台,YouTube是趋势诞生的地方,也是你汲取灵感的地方。想象一下,当你听到一句激发灵感的对话——一个有趣的短语、一句难忘的名言或独特的声音——你想要将其混音成新的声音。通过我们新的语音转歌曲混音工具,你就能做到这一点。"
YouTube指出,该功能使用谷歌的AI音乐模型Lyria 2来创建配乐。创作者可以为歌曲添加自己的风格,如"舒缓"、"适合跳舞"或"有趣"等。
该公司表示计划很快测试这项功能,并将在未来几周内向更多美国创作者推出。
通过新的AI编辑功能,创作者可以将原始素材转换为初稿。该功能通过寻找和整理最佳时刻、添加音乐和转场效果,将原始相机胶卷素材转换为初稿。它甚至可以添加能够对视频中发生的事情做出反应的英语或印地语配音。YouTube表示,该功能的理念是为创作者的Shorts提供起点。
YouTube正在Shorts和YouTube Create应用中实验AI编辑功能,并将在未来几周内在特定市场扩展该功能。
Q&A
Q1:Veo 3 Fast是什么?有什么特别之处?
A:Veo 3 Fast是YouTube引入的谷歌Veo 3文本转视频生成式AI模型的定制版本。它能够以更低延迟生成480p视频输出,让创作者轻松制作视频片段,最重要的是用户现在首次可以创建带有声音的视频内容。
Q2:语音转歌曲混音工具如何工作?
A:这项工具允许创作者将符合条件的视频中的对话转换为其他Shorts的动听配乐。该功能使用谷歌的AI音乐模型Lyria 2来创建配乐,创作者可以为歌曲添加自己的风格,如"舒缓"、"适合跳舞"或"有趣"等。
Q3:AI编辑功能能帮创作者做什么?
A:AI编辑功能可以将创作者的原始素材转换为初稿。它通过寻找和整理最佳时刻、添加音乐和转场效果来处理原始相机胶卷素材,甚至可以添加能够对视频中发生的事情做出反应的英语或印地语配音,为创作者的Shorts提供制作起点。
好文章,需要你的鼓励
如果美国有一家公司可以称得上是AI落地标杆,那么很多人大概率会提及Palantir。
南京大学LINK团队发布OmniVideoBench,这是首个专门评估AI音视频协同理解能力的测试基准。研究基于628个真实视频设计了1000道测试题,要求AI必须综合音频和视频信息才能回答。测试结果显示,即使最先进的Gemini-2.5-Pro准确率也仅58.90%,未达及格线,特别是在背景音乐理解方面表现最差,揭示了当前AI在复杂多模态推理方面的显著局限。
网络流量保护专家Cloudflare因其Access零信任平台发生故障向客户道歉,该故障导致包括OpenAI的ChatGPT、DownDetector和社交媒体平台X在内的多个面向公众的服务中断。故障始于英国时间上午11点20分左右,最初被描述为"内部服务降级"。Cloudflare后续确认故障根本原因是自动生成的配置文件超出预期大小并触发软件系统崩溃,强调这并非攻击所致。
中科大和上海创新院团队开发出RLFR技术,通过分析AI内部"思维流动"来优化推理训练。该技术不只看答案对错,而是评估整个推理过程质量,就像监控河流流向一样引导AI形成连贯逻辑。在数学推理等测试中显示显著提升,让AI推理过程更稳定可靠。这项开源技术为构建更智能可信的AI系统提供了新路径。