YouTube Shorts 时长与格式实用指南

关于短视频格式的大多数建议不是一堆数字缺少解释，就是两年前还成立的规则。这是实用版：每个限制到底是什么、为什么存在，以及哪个设置会控制它。

画面比例

垂直 9:16 是在 Shorts、Reels 和 TikTok 上唯一能充满屏幕的比例。其他比例都会被留黑，而留黑是最明显的信号，告诉观众视频来自别处并被转发。

例外是有意为之：1:1 的方形有时更适合在信息流里作为嵌入内容展示。但作为 Short，始终使用垂直比例。

在 ClipPilot 中，画面比例是每个视频的一个设置。图片视频支持 9:16、16:9、1:1 和 4:5。动画视频支持 9:16、16:9 和 1:1。

分辨率与质量

标准是 9:16、1080 x 1920。上传更小的不是灾难，平台反正会重新编码，但上传前丢失的细节就无法找回。

动画视频有三档质量：Standard 为 480p，HD 为 720p，Full HD 为 1080p。价格差别是真实存在的，分别是每秒 25、35 和 65 点数，所以诚实的建议是 HD 对大多数情况来说是合适的默认选择。Standard 在近距离手机上明显偏软，Full HD 主要在视频还会在更大屏幕上播放时才值得。

安全区域

每个平台都会在你的视频上叠加自己的界面，位置大致相同。

• 底部五分之一。标题、频道名、描述和声音出处。这是三个平台上被遮挡最严重的区域。
• 右侧边缘。点赞、评论、分享和头像。在 TikTok 上这一栏比较宽。
• 顶部边缘。通常比较空，但有些应用顶部会有关注或为你推荐的标签页。

可行的规则是把重要内容在垂直方向放在中间三分之一，并在水平方向远离右侧六分之一。如果观众必须移动界面才能读你的文字，那这些文字就相当于不存在。

这也是为什么 提示指南 建议在垂直画面中把主体偏上构图。为横向画面居中构图的主体在裁成竖屏后常常会被标题条部分遮住。

时长

YouTube 将 3 分钟及以内的任何内容视为 Short。TikTok 允许更长。Reels 在两者之间。三者的上限都远高于真正表现好的时长。

有用的数字不是上限，而是掉落点。观看保持率在前 3 秒急剧下降，然后在大约 15 秒左右再次下降。一个在 20 秒内把要讲的内容说完的视频结尾表现会很好；同样的内容拉到 50 秒就会表现差，完播率是算法真正看的指标。

实际操作中：剪到能传达核心想法的最短时长。如果不确定，那就太长了。

不同格式对时长的控制方式不同。图片视频按脚本长度走。动画视频的时长等于场景数乘以每场秒数，这也是计费依据，所以没必要填充时长。

字幕

大量短视频在至少最开始的那一秒是静音播放的，所以字幕并不是可访问性的额外功能。它们是在观众决定开声音之前传达信息的方式。

让字幕起作用的三件事：

• 逐词时序。高亮必须对准正在念的词。错位一个音节的字幕比没有字幕更令人分心，而当音频和时序来自不同步骤时就会出现这种错位。
• 放置。位于中间三分区，避开底部界面。
• 对比。要用粗体并配描边或阴影，因为生成的背景颜色不可控。

ClipPilot 在一次调用中生成配音和逐词对齐，并由该对齐派生字幕，这也是高亮能跟随语音的原因。有两种字幕样式和可选的高亮颜色，均为竖屏尺寸优化。

音频

在动画视频里，每个剪辑都会生成自己的声音。正是这些音频承载了 ASMR 和伪纪录片类的表现形式，这也是为什么有些 模板会刻意关闭背景音乐。

有配音时，剪辑自身的音频会自动被压低以衬托配音，不会互相竞争。没有配音时，音频会以正常音量播放。

使用背景音乐时，音量应足够低，以免与解说争夺注意力。每个视频的背景音乐音量都可以调节。

前三秒

上述所有约束都比不过这一点。第三秒之前画面要有动作，内容要有趣。

对以解说为主的视频来说，开场要放最具体的东西，而不是先交代背景。对视觉类格式来说，格式必须能立刻看懂，这就是模板都围绕能在一帧内读懂的版式设计的原因。

清单

• 9:16，1080 x 1920
• 主体偏高构图，避开底部五分之一
• 字幕在中间三分区，逐词同步，高对比度
• 能传达想法的最短时长
• 半秒内出现动作
• 无水印、无上下黑边、无二次裁切