跳到正文
世界时间EU--:--UK--:--USA--:--CN--:--PLDEFRIT中文EN

关于人工智能与技术的门户事件 · 分析 · 访谈 · 技术背景

搜索
直播
›

YouTube 降低搬运 Shorts 的推荐量,廉价 AI 视频改写创作者收益

YouTube 于 10 月 2 日表示,已调整 Shorts 的推荐系统,优先展示原创内容,并降低那些从其他创作者处原样搬运、未作任何改动的视频的曝光。这一决定出台之际,AI 工具正把制作一条视频的成本压到几美元。

媒体与互联网解释王雅琴发布: 2026年10月3日7 分钟阅读资料来源 8
YouTube 降低搬运 Shorts 的推荐量,廉价 AI 视频改写创作者收益

YouTube 于 10 月 2 日表示,已调整 Shorts 背后的推荐系统。从其他创作者处搬运、未添加任何内容的视频,现在获得的曝光更少。9to5Google 当天报道了这一变化,并指出 YouTube 没有公布上线日期,不过该变化似乎已经生效。

9to5Google 引用的公司措辞范围很窄。这次更新旨在“进一步优先展示原创内容,并降低那些从其他创作者处搬运、未添加自己内容的视频的曝光”。什么算作“添加了内容”,官方没有定义。

这个空白对每个把 Shorts 当作分发渠道、播放自己没拍的片段的频道都有影响。还有第二处含糊。YouTube 今年 3 月开始测试一项功能,允许用户用 AI 重新构想其他频道的视频。9to5Google 称,目前不清楚这些视频是否仍会出现在推荐中。同一个平台一边对搬运素材收紧一扇门,一边又为 AI 辅助的再创作打开另一扇门。第二扇门的规则还没有写清楚。

生成便宜,导演昂贵

第二扇门背后的经济账越来越难忽视。面向银行和金融科技公司的 AI 原生 BPO 公司 Sweat AI 于 10 月 3 日发布了一份记录。它在五天内用 184 美元现金制作了 12 部 AI 黏土短片,用 Claude Code 跑通从脚本到上传的整个制作流程。第一条内容于 9 月 27 日发布。截至 10 月 2 日 14:57 UTC,这些短片在 Instagram、YouTube Shorts 和 TikTok 上共获得 18971 次观看和 25 个关注者。

这家公司的数字足够具体,有参考价值。在 fal.ai 上生成一部成片花费 7 到 11 美元,其中包含被弃用的版本和实验。ElevenLabs 的创业资助覆盖了旁白、音乐以及前三部短片的图像和视频,按标价计算价值 112 美元。编码智能体跑在 Sweat AI 本就为工程付费的订阅上:每月 200 美元的 Claude Max 20x 套餐和一份 ChatGPT Pro 套餐。按 API 价格折算,智能体消耗的 token 大约还要再加 268 美元。ElevenLabs 的工作若按标价付费,还要再加 112 美元。这样总成本就从每次观看约 1 美分升到大约 3 美分。

Sweat AI 自己的记录点出了尴尬之处。有一段很长的对话不断重读自己的历史,把部分短片的 API 成本推到高达 47 美元。负责导演的智能体,成本可能超过负责动画的模型。

这是大多数创作者收益计算器里没有对应栏目的成本项。它出现在制作端,在平台的推荐系统决定有没有人看到成片之前。同一份记录里的观看数也提醒人们不要对单次发布过度解读。9 月 30 日下午之后发布的前七部短片中有五部,截至 10 月 2 日在 YouTube 上的观看量在 740 到 1398 次之间。Sweat AI 表示无法解释这种差异。公司还报告说,当第一句台词点出一个奇怪的、具体可感的东西时,Instagram 观众停留超过三秒的比例更高。三部办公室喜剧的留存率在 49% 到 53% 之间。这些是一家发布方的数据,不是平台数据。

平台为什么付费,又不展示什么

YouTube 的推荐调整不是变现政策。它不涉及分成、广告单价,也不涉及决定一个频道能否赚到钱的资格门槛。它决定的是谁能被展示。对 Shorts 来说,这正是后续所有收入计算的输入端。一个失去推荐曝光的频道,也就失去了任何分成比例所适用的观看量。

对依靠搬运起量的创作者来说,时机很尴尬。正如 9to5Google 所指出的,剪辑长视频片段一直是制作高观看潜力 Shorts 最简单的方法之一。同一家媒体还指出,YouTube 没有在“添加了解说的片段”和“什么都没添加的片段”之间划出明确界线。执行时只能由系统自行判断,而公司只用一段话描述过这些系统。

要看推荐决定另一边涉及多少钱,近期报道提到,一份 2026 年的分析报告估计创作者变现市场规模为 2907000 万美元。报道还提到,YouTube 的变现规则可能在收益要求上变得更严,这是 8 月的消息。这两个数字都不来自 YouTube。公司没有在公开材料中发布 Shorts 收入数据。市场规模的数字应当看作分析师的估算,而不是平台的披露。

YouTube 一直在稳定推出面向创作者的功能。9to5Google 的一篇报道列举了近期公告中的自定义信息流、GIF 评论和“你的播客节目单”功能。这些都不改变收益计算。它们显示的是一个平台添加展示入口的速度快于它为这些入口制定规则的速度,Shorts 的这次更新正属于这种模式。

合成视频的法律账单

在推荐系统之外,合成视频已经在产生法院判决。BBC 于 10 月 2 日报道,亚利桑那州上诉法院撤销了 Gabriel Paul Horcasitas 的判决。他因 2021 年在红灯处枪杀 37 岁的 Christopher Pelkey 而被定罪,判处 10 年监禁。上诉法院裁定,2025 年量刑时不应播放一段由受害者生成的 AI 视频留言。Pelkey 的家人用录音、视频和照片制作了这段视频。

据 BBC 报道,上诉法院周三写道:“这段 AI 视频没有记录某个事件或某个特定时刻,而是呈现了受害者及其想法的形象,这些内容出自受害者姐姐的想象。”

庭审法官 Todd Lang 当时对这段视频表示欢迎。据 BBC 报道,他说:“我很喜欢那个 AI,谢谢你。无论你多么愤怒,无论家人的愤怒多么合情合理,我听到了宽恕。”

现年 55 岁的 Horcasitas 现在必须重新量刑。这是一起刑事案件,不是平台纠纷。它确立了一点:用真实人物生成的视频可以被裁定为不可采纳。判决理由的关键在于视频中呈现的想法由谁创作,而不是成片看起来有多逼真。平台现在被要求自动完成的,正是这种区分。YouTube 的 Shorts 更新要求系统在没有公开测试标准的情况下分辨原创与搬运。Sweat AI 的记录则在制作端主张相反的方向。它的智能体把发现的每个问题变成下一部短片必须通过的检查项,但每一次品味判断都来自人。公司给每条内容都标注为 AI 制作,并把真实人物渲染成黏土漫画形象。

没有任何公开记录显示,平台会为这种标注或人工审核时间向创作者多付钱。Sweat AI 明确把自家的审核工时排除在 184 美元的账单之外。YouTube 的调整也许会在曝光上奖励原创,但曝光不等于收入。没有任何数字把两者连起来。

风险最终落在谁身上

10 月 2 日这次调整的实际效果,取决于 YouTube 没有提供的细节。系统看的是画面匹配、音频匹配,还是账号行为?它如何处理配上新旁白的搬运片段?9to5Google 的报道让这些问题悬而未决。靠合集和反应类形式做起来的频道,现在面临一项推荐惩罚,却看不到触发它的条件。

与此同时,让“看起来像原创”的视频变便宜的工具,正以每周一次的节奏改进。Sweat AI 用 184 美元的一周产出 12 部短片和 18971 次观看。这个比例对于一支没有预算的人类团队来说难以想象。如果生成继续变便宜,稀缺的投入就变成判断该做什么,以及平台判断该展示什么。这两者都没有算进每部 7 到 11 美元的数字里。

用 9to5Google 对公司公告的措辞来说,YouTube 表示希望“聚焦原创”。公司没有说明将如何衡量原创,这次调整何时完全生效,也没有说明 AI 重新构想的视频是否算原创。在它说明之前,创作者只能在一条读得懂一句话、却无法验证的规则下,做制作和收益上的决定。

评论 0

资料来源

8
  1. 01YouTube: Creators blatantly stealing for shorts won't get recommendedEN
  2. 02Twelve AI clay films for $184: The agents cost more than the video modelEN
  3. 03US killer's sentence quashed because of AI video of victim shown in courtEN
  4. 04We want you to build the next Git platform on CloudflareEN
  5. 05Mystery AI Hype Theater 3000EN
  6. 06AI (For Normal People) with AWS Hero Thorsten HogerEN
  7. 07Terminal.Gui – Cross Platform Terminal UI Toolkit for .NETEN
  8. 08Thorium reader: Cross platform desktop reading appEN

本文所有数字与引语均来自下列来源,未添加来源之外的内容。

本内容由编辑部在人工智能辅助下制作完成。

王雅琴

王雅琴

人工智能、模型与技术

王雅琴负责FLASH24的人工智能、模型与技术报道,覆盖科技、人工智能与模型、媒体与互联网领域。她习惯直接查阅技术文档、模型卡与官方博客,而非依赖新闻稿,对未经核实的参数和跑分数据一概不放行。每篇报道前,她会逐项核对基准测试结果,对照论文原文与开源代码,确认版本号、数据集和评测条件是否一致。她常联系开发者与研究人员求证细节,也盯着各大厂商的发布会和论文截稿日期,横向比较同类模型的实际表现。私下她自建服务、折腾家庭网络,这让她对部署成本和真实算力需求有直观判断。她的原则是:没有可复现来源的数字,不写进稿子。

编辑部 →

评论

0
  1. 还没有评论——来说两句吧。

写评论

评论公开展示。我们不发布辱骂、垃圾信息和广告内容。