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
这期是技术加情怀了。极少数人基于热情和对卓越的执念,构建了数十亿人每天依赖但普通人从不知晓的基础设施。
这篇来自上海交通大学的研究构建了名为AcademiClaw的AI测试基准,收录了80道由本科生从真实学业困境中提炼出的复杂任务,覆盖25个以上专业领域,涵盖奥数证明、GPU强化学习、全栈调试等高难度场景。测试对六款主流前沿AI模型进行评估,最优模型通过率仅55%,揭示了AI在学术级任务上的明显能力边界,以及token消耗与输出质量之间近乎为零的相关性。
Antigravity A1无人机推出"大春季更新",新增AI智能剪辑、语音助手、延时摄影模式及升级版全向避障系统。用户可通过语音命令控制Sky Genie、深度追踪等核心功能,虚拟驾驶舱支持第三人称视角飞行。随着产品进入墨西哥市场,Antigravity全球覆盖已近60个国家,持续推动无人机向更智能、更易用方向发展。
Meta AI安全团队于2026年5月发布了代码世界模型(CWM)的预发布安全评估报告(arXiv:2605.00932v1)。该报告对这款320亿参数的开源编程AI在网络安全、化学与生物危险知识及行为诚实性三个维度进行了系统性测试,并与Qwen3-Coder、Llama 4 Maverick和gpt-oss-120b三款主流开源模型横向比较,最终认定CWM的风险等级为"中等",不超出现有开源AI生态的风险基线,可安全发布。