📰The Verge•較早收集於 11m
YouTube 推出 AI 驅動的自訂影片動態牆功能
💡了解 YouTube 如何整合生成式 AI，將靜態的影片探索轉變為由用戶主導的體驗。
⚡ 30-Second TL;DR
有什麼變化
用戶可輸入文字提示來生成個人化的影片動態牆。
為什麼重要
此功能標誌著內容平台朝向「生成式 UI」轉型，從靜態演算法推薦轉向由用戶主導的內容探索。這突顯了將大型語言模型 (LLM) 直接整合至消費者內容消費介面的成長趨勢。
下一步行動
分析 YouTube 如何處理提示詞與影片內容的映射，以了解在您自己的內容探索應用程式中實作生成式搜尋的最佳實踐。
誰應關注：Developers & AI Engineers
關鍵要點
- •用戶可輸入文字提示來生成個人化的影片動態牆。
- •自訂動態牆可釘選在 YouTube 首頁頂部以便快速存取。
- •目前僅開放給美國地區登入 YouTube 行動版與桌面版的用戶使用。
🧠 深度解析
Web-grounded analysis with 24 cited sources.
🔑 增強重點摘要
- •此功能採用 Google 的 Gemini AI 技術驅動，允許用戶透過自然語言提示來客製化其影片動態牆。
- •用戶必須啟用 YouTube 搜尋和觀看記錄，此功能才能運作，這表明該系統會利用這些數據來生成個人化推薦。
- •自訂動態牆會持續更新，用戶可以透過直接編輯動態牆頂部的文字提示來即時調整推薦內容。
- •用戶可以輸入廣泛的提示（例如「給我一些不同於我平常觀看的內容」）或具體的請求（例如「下班後用十分鐘以下的引導式冥想幫助我放鬆」），以精確引導內容推薦。
- •每個帳戶一次只能啟用一個自訂動態牆，且若該提示在 30 天內沒有活動，便會自動失效。
📊 競品分析▸ Show
競爭者分析
| 平台/功能 | YouTube (AI 驅動的自訂影片動態牆) | TikTok (AI 個人化動態牆) | Instagram Reels (AI 個人化) |
|---|---|---|---|
| 主要功能 | 允許用戶輸入自然語言提示來生成和釘選個人化影片動態牆，以符合特定興趣或心情。 | 「為您推薦」頁面 (FYP) 透過分析超過 100 種訊號（例如觀看時間、互動）提供高度個人化的內容。 設有「管理主題」功能，讓用戶控制內容類別及 AI 生成影片的數量。 | 推出「您的演算法」工具，讓用戶查看並調整影響其 Reels 推薦的主題，可選擇增加或減少特定主題的內容，或新增興趣。 |
| AI 互動方式 | 透過文字提示進行對話式互動，以精確定義所需的內容類型。 | 透過「管理主題」設定，用戶可調整 AI 生成內容的顯示頻率，並可使用滑塊來增加或減少其可見度。 | 顯示 AI 根據用戶活動判斷的興趣列表，用戶可直接調整這些主題的偏好。 |
| AI 內容透明度 | 於 2026 年 5 月推出更顯眼的 AI 生成內容標籤，並將自動偵測和標記部分 AI 生成內容。 | 正在測試隱形浮水印技術，以標記 AI 生成內容，並要求創作者揭露。 | 未明確提及針對 AI 生成內容的特定標籤或控制工具，但其「您的演算法」工具旨在提高推薦透明度。 |
| 推出範圍 | 目前僅限美國地區登入 YouTube 行動版與桌面版的用戶使用，且僅支援英文。 | 全球範圍，其「為您推薦」頁面是其核心功能。 「管理主題」功能已推出或正在測試中。 | 已向用戶推出，允許查看和調整 Reels 推薦主題。 |
🛠️ 技術深入
- YouTube 的推薦系統已從早期的簡單啟發式方法演變為複雜的即時學習框架。
- 該系統採用大規模深度學習模型進行「候選生成」和「排名」兩個階段的處理。
- 這些模型依賴於多種因素，包括嵌入式檢索（將用戶和影片表示映射到共享空間以識別匹配項）、協同過濾（將具有相似歷史記錄的用戶分組以查找相關內容）、基於元數據和內容的特徵（用於冷啟動用戶或新影片），以及流行度先驗（提升熱門或病毒式傳播的內容）。
- 截至 2026 年，YouTube 的 AI 系統利用複雜的 Transformer 模型和大型語言模型 (LLMs) 來理解細微的語義意義，處理多模態數據，包括影片內容分析、音訊訊號、用戶情緒、即時參與度指標和上下文資訊。
- 新的自訂動態牆功能明確指出採用了 Google 的 Gemini AI 技術。
- YouTube 的 AI 內容審核基礎設施也部署了基於 Transformer 的模型，以實現對每分鐘上傳的 720 小時影片內容進行即時處理和決策。
🔮 前景展望AI analysis grounded in cited sources
用戶滿意度和參與度將顯著提升。
透過自然語言提示直接控制內容推薦，能讓用戶獲得更相關、更符合個人需求的內容，從而減少演算法疲勞並增加平台使用時間。
內容發現將變得更加多元化。
用戶可以明確要求「不同於我平常觀看的內容」或探索小眾興趣，這有助於打破演算法可能造成的「同溫層效應」，促進新內容和創作者的發現。
內容平台之間在 AI 個人化方面的競爭將加劇。
隨著 YouTube 推出先進的對話式動態牆客製化功能，其他平台可能會加速其自身在 AI 驅動推薦方面提供更精細用戶控制的努力，以保持競爭力。
⏳ 時間線
2005-2011
YouTube 演算法主要依據時間順序和觀看次數推薦影片。
2008-01
YouTube 在首頁引入了個人化推薦影片的小型面板，使用演算法推薦系統。
2012-01
YouTube 演算法轉向優先考慮「觀看時間」而非觀看次數。
2015-2016
YouTube 開始透過用戶調查直接衡量觀看者滿意度，並納入基於用戶歷史記錄的個人化推薦等更複雜的訊號。
2016-01
YouTube 發布白皮書，描述其推薦系統中深度神經網路的應用。
2024-09
Google DeepMind 宣布將其先進的生成式 AI 模型 Veo 和 Imagen 3 透過 Dream Screen 引入 YouTube 創作者，用於 Shorts 內容創作。
2025-11
YouTube 證實正在對部分用戶測試「您的自訂動態牆」功能。
2026-01
YouTube 的 AI 系統能夠利用複雜的 Transformer 模型和 LLMs 處理多模態數據，以理解細微的語義意義。
2026-05-28
YouTube 正式向美國地區登入的行動版與桌面版用戶推出 AI 驅動的自訂影片動態牆功能。
2026-05-28
YouTube 推出更顯眼的 AI 生成內容標籤，並開始自動偵測和標記部分 AI 生成內容。
📎 來源 (24)
Factual claims are grounded in the sources below. Forward-looking analysis is AI-generated interpretation.
- livemint.com
- macrumors.com
- ppc.land
- socialmediatoday.com
- medium.com
- connectcx.ai
- techresearchonline.com
- jpost.com
- musicbusinessworldwide.com
- netinfluencer.com
- kare11.com
- 9to5google.com
- techtimes.com
- business-standard.com
- shaped.ai
- quora.com
- medium.com
- phonearena.com
- socialmediatoday.com
- contentguaranteed.com
- hootsuite.com
- youtube.com
- deepmind.google
- pcmag.com
📰
AI 週報
閱讀本週精選 AI 大事摘要 →
👉相關動態
AI 策展新聞聚合。所有內容版權歸原始發布者所有。
原始來源： The Verge ↗