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
企业AI搜索公司Glean宣布年度经常性收入(ARR)达3亿美元,较15个月前的1亿美元增长三倍。尽管谷歌、微软、OpenAI等科技巨头纷纷入局企业AI搜索市场,Glean凭借"上下文图谱"技术深度理解企业业务需求,并帮助客户显著降低AI计算成本。该公司提供按用量计费和混合定价两种模式,客户涵盖Databricks、Reddit、Pinterest及三星等企业。Glean上轮融资后估值达72亿美元。
香港中文大学与MiniMax提出ClaimDiff-RL框架,将图像描述的AI训练从整体打分升级为逐条核查,有效解决了传统方式导致AI"少说保平安"的问题,同时在多项基准测试上超越Gemini-3-Pro-Preview。
杰夫·贝索斯旗下的蓝色起源公司在佛罗里达卡纳维拉尔角进行静态点火测试时,新格伦重型火箭发生爆炸。这是美国历史上最大规模的火箭爆炸之一,也是蓝色起源公司遭遇的最严重失败。所有人员安全,但该事故可能导致新格伦火箭项目长期暂停。此前该火箭已成功完成三次发射,并实现了助推器回收和重复使用。
ParaVT是一个由南洋理工等多校联合提出的并行视频工具调用框架,通过让AI同时分析多段视频并引入PARA-GRPO算法解决训练中的格式崩溃与工具跳过问题,在六项长视频理解测试中平均提升约7.9%。