谷歌正准备将YouTube Create应用引入iOS设备,距离该视频编辑应用在Android平台独家发布已近两年时间。TechCrunch审查的招聘信息显示,该公司正在印度积极招聘工程师来开发iOS版本。
招聘信息显示,谷歌正在班加罗尔专门招募软件工程师来构建iOS版本。原版Android应用于2023年9月在美国和其他七个市场首次亮相,随后在2024年2月扩展到另外13个市场。
YouTube Create为内容创作者提供免费的移动视频编辑工具,包括贴纸、GIF和特效等功能,适用于YouTube短视频和长视频内容。谷歌在咨询了3000名创作者后开发了这款应用,以确保满足他们的需求。
该应用是谷歌试图与字节跳动旗下热门的剪映编辑器竞争的尝试。但Sensor Tower向TechCrunch分享的独家数据显示,YouTube Create远落后于剪映和另一个老牌竞争对手InShot。
竞争差距悬殊。今年第二季度,剪映和InShot在Android设备上的下载量分别达到6600万次和2100万次。相比之下,YouTube Create本季度下载量不足50万次,自发布以来总下载量仅为400万次。
用户参与度差距更为明显。第二季度剪映在Android平台拥有超过4.42亿月活跃用户,InShot拥有9200万用户。而YouTube Create的月活跃用户数远远落后,不足100万。
在YouTube Create现在瞄准的iOS平台上,竞争同样激烈。剪映在第二季度以1.94亿月活跃用户领先,InShot紧随其后,拥有2500万用户。与此同时,剪映和Instagram的Edit在本季度iOS下载量中占主导地位,分别达到2800万次和700万次下载。
尽管在数据上落后,YouTube Create显示出一定的增长势头,第二季度月活跃用户同比增长28%,超过了剪映的9%增长和InShot的7%下降。
Sensor Tower高级洞察分析师Abe Yousef表示:"虽然YouTube Create在同比基础上显示出稳固的用户增长,但在与一些规模更大、更成熟的竞争对手如剪映的竞争中表现吃力,后者的月活跃用户数是前者的10倍以上。"
Yousef建议,YouTube Create可能正在建立更忠诚的用户群体。活跃用户数量上升而下载量下降可能表明,之前试用过该应用的用户正在回归并定期使用。
Yousef说:"剪映多年前就已推出,加上它与姊妹应用TikTok的无缝集成,这很可能是与YouTube Create存在重大规模差异的原因。"
不过,YouTube Create面临一些用户留存问题。其90天留存率(下载应用并在90天后仍在使用的用户百分比)在第一季度约为1%,远低于剪映的7%和InShot的4%。
参与度指标也突显了差距。用户平均每月在YouTube Create上花费38分钟,而剪映用户为62分钟。剪映用户打开应用的频率也更高,平均每月23次,而YouTube Create为11次。
从地理分布来看,YouTube Create的用户群正在多元化。去年第二季度,印度占YouTube Create总月活跃用户的67%,但本季度这一比例已降至51%,因为该应用在其他地区获得了增长。不过,YouTube Create在印度似乎正在增强粘性,日活跃用户与月活跃用户的比例从去年的9%提高到今年的12%。
除印度外,印度尼西亚已成为YouTube Create的第二大市场,占其全球月活跃用户的21%。德国(5%)、巴西(4%)和英国(3%)构成了主要市场。
该应用在其他几个市场也显示出特别强劲的增长,月活跃用户同比增长在西班牙为119%,韩国为91%,法国为89%,新加坡为71%。
Yousef表示:"YouTube Create的iOS版本发布绝对有助于该平台扩大市场份额,尽管来自其他社交媒体支持的视频编辑平台和原生视频编辑器的激烈竞争将持续存在。"
谷歌未回应置评请求。
好文章,需要你的鼓励
加利福尼亚大学和萨里大学研究团队开发了一种创新的AI系统,能够仅通过简单的手绘素描就在复杂照片中精确识别关键点。这项技术突破了传统机器学习需要大量同类数据的限制,实现了真正的跨模态学习。系统在动物关键点识别任务中达到了39%的准确率,超越现有方法约5个百分点,并且在真实手绘素描测试中表现稳定。该技术有望在生物学研究、医疗诊断、工业检测等多个领域找到广泛应用。
AI系统正变得越来越善于识别用户偏好和习惯,像贴心服务员一样定制回应以取悦、说服或保持用户注意力。然而这种看似无害的个性化调整正在悄然改变现实:每个人接收到的现实版本变得越来越独特化。这种认知漂移使人们逐渐偏离共同的知识基础,走向各自的现实世界。AI个性化不仅服务于我们的需求,更开始重塑这些需求,威胁社会凝聚力和稳定性。当真相本身开始适应观察者时,它变得脆弱且易变。
约翰霍普金斯大学发布DOTRESIZE技术,通过最优传输理论实现AI大模型智能压缩。该方法将相似神经元合并而非删除,在保持性能的同时显著降低计算成本。实验显示,压缩20%后模型仍保持98%性能,为AI技术普及和可持续发展提供新路径。