YouTube 推出系列创作工具：Shorts 免费用 Veo 3 生成带声短片

对着空白的视频剪辑轨发呆，大概是每个想发短视频的人最熟悉的噩梦。

手机相册里存了几十条零碎素材，却不知道从哪剪起；好不容易剪完，还要挑配乐、写旁白。YouTube 这次打算直接把这些脏活累活全接过去。

9 月 16 日的 Made on YouTube 活动上，官方给 Shorts 塞进了一整套生成式 AI 工具。最显眼的是 Google DeepMind 的视频模型 Veo 3，他们专门做了个轻量版的 Veo 3 Fast，直接内置在 Shorts 创作界面里，免费开放给创作者用。

把相册废片一键拼成带解说的初稿

新功能里最实用的，可能是一个叫 Edit with AI 的功能。

它专门用来应付「想发又懒得剪」的情况。你只要把手机相册里的原始视频一股脑丢进去，AI 会挑出高光镜头、排好顺序，自动加上转场和配乐。更绝的是，它还能根据画面内容自己配一段旁白解说，目前支持英语和印地语。也就是说，你随手拍的几段生活碎片，几秒钟就能变成一段有头有尾的短片初稿。

这项功能已经在 Shorts 和 YouTube Create 应用里小范围测试，未来几周会推向更多市场。

另一个好玩的功能叫 Speech to Song。看别人视频时听到一句好玩的台词或名梗，可以直接把它抽出来做混音。后台用的是 DeepMind 的音频模型 Lyria 2，能把普通说话声直接编成一首带节奏的洗脑背景音乐，还支持自己选「欢快」「放松」或「适合跳舞」等风格，系统也会自动注明原视频出处。

480p 的 Veo 3 Fast，图的是快不是高清

至于视频生成本身，YouTube 走了一条很务实的路线。

手机上跑的 Veo 3 Fast 分辨率只有 480p，画质不算惊艳，但它胜在延迟低、出片快，而且头一次能直接连着声音一起生成。点击右上角的闪烁图标就能调用，目前已经在美、英、加、澳和新西兰上线。

据 TechCrunch 补充的细节，YouTube 接下来几个月还会测几项更有趣的 Veo 能力：比如把一段视频里的动作直接套在静止照片上，让老照片里的人跳舞；或者用文字给视频凭空加道具、换成折纸或波普艺术风格。

为了防滥用，这套工具生成的视频全部打上了 DeepMind 的 SynthID 隐形水印，并且会挂上明显的 AI 标签。

为什么重要

我们认为，YouTube 这套更新最聪明的地方，是没有去卷什么好莱坞级别的 4K 电影质感，而是全力伺候手机端的即兴表达。

把分辨率压在 480p 听起来很寒酸，但对刷得飞快的短视频来说，几秒钟出一小段带音效的短片，远比等两分钟渲染一段 1080p 来得有用。Edit with AI 抓的也是真痛点：大多数人拍短视频死在第一步，给一个哪怕只有 60 分的粗剪草稿，用户的完工门槛就已经被砍掉了一大半。

对行业来说，这也是平台竞争策略的转向。以前短视频平台拼的是谁家滤镜更美、配乐库更全；现在比的是谁能把大模型无缝嵌进创作链条里，甚至直接把别人的视频切片变成二创音乐。TikTok 显然会感受到压力。

不过隐患也明摆着。当连说话配乐和初剪都能一键生成，Shorts 上本就泛滥的流水线内容大概率会迎来又一波爆发。平台靠 SynthID 水印能防住机器审核，但能不能防住用户的审美疲劳，看起来还得打个问号。