用AI五分钟就能生成一档播客？感觉降维打击了。 * { margin: 0; padding: 0; outline: 0; } body { font-family: “PingFang SC”, system-ui, -apple-system, BlinkMacSystemFont, “Helvetica Neue”, “Hiragino Sans GB”, “Microsoft YaHei UI”, “Microsoft YaHei”, Arial, sans-serif; line-height: 1.6; } .__page_content__ { max-width: 667px; margin: 0 auto; padding: 20px; text-size-adjust: 100%; color: rgba(0, 0, 0, 0.9); padding-bottom: 64px; } .title { user-select: text; font-size: 22px; line-height: 1.4; margin-bottom: 14px; font-weight: 500; } .__meta__ { color: rgba(0, 0, 0, 0.3); font-size: 15px; line-height: 20px; hyphens: auto; word-break: break-word; margin-bottom: 50px; } .__meta__ .nick_name { color: 576B95; } .__meta__ .copyright { color: rgba(0, 0, 0, 0.3); background-color: rgba(0, 0, 0, 0.05); padding: 0 4px; margin: 0 10px 10px 0; } blockquote.source { padding: 10px; margin: 30px 0; border-left: 5px solid ccc; color: #333; font-style: italic; word-wrap: break-word; } blockquote.source a { cursor: pointer; text-decoration: underline; } .item_show_type_0 > section { margin-top: 0; margin-bottom: 24px; } a { color: 576B95; text-decoration: none; cursor: default; } .text_content { margin-bottom: 50px; user-select: text; font-size: 17px; white-space: pre-wrap; word-wrap: break-word; line-height: 28px; hyphens: auto; } .picture_content .picture_item { margin-bottom: 30px; } .picture_content .picture_item .picture_item_label { text-align: center; } img { max-width: 100%; } .pay_subscribe_notice { margin: 30px 0; padding: 20px; background: fffbe6; border: 1px solid ffe58f; border-radius: 8px; } .pay_subscribe_badge { display: inline-block; padding: 4px 12px; background: faad14; color: fff; border-radius: 4px; font-size: 14px; font-weight: 500; margin-bottom: 12px; } .pay_subscribe_desc { font-size: 15px; line-height: 1.8; color: rgba(0, 0, 0, 0.7); margin-bottom: 12px; } .pay_subscribe_hint { font-size: 13px; color: rgba(0, 0, 0, 0.4); } .__bottom-bar__ { display: flex; justify-content: space-between; align-items: center; position: fixed; bottom: 0; left: 0; right: 0; height: 64px; padding: 8px 20px; background: white; box-sizing: border-box; border-top: 1px solid rgba(0, 0, 0, 0.2); } .__bottom-bar__ .left { display: flex; align-items: center; font-size: 15px; white-space: nowrap; } .__bottom-bar__ .right { display: flex; } .__bottom-bar__ .sns_opr_btn { display: flex; align-items: center; user-select: none; background: transparent; border: 0; color: rgba(0, 0, 0, 0.9); font-size: 14px; } .__bottom-bar__ .sns_opr_btn:not(:last-child) { margin-right: 16px; } .__bottom-bar__ .sns_opr_btn > img { margin-right: 4px; }
用AI五分钟就能生成一档播客？感觉降维打击了。
原创 数字生命卡兹克 数字生命卡兹克 2024-09-18 09:30 北京
不是，直接给一篇文章，然后用AI就能生成十几分钟的双人播客，两人有打断、有调侃、有语气，一个捧哏一个逗哽各司其职，比人聊的还好听，你敢信？
这个中秋假期，我信了，真的。
Google做的一款AI笔记应用，NotebookLM，这几天更新了一个新功能，就是根据文本，生成双人播客。
他们称这个功能，为音频概览。
我把我前几天写的那篇OpenAI上线o1的公众号文章扔了进去，生成了一个播客，给你们听下效果。
这个语气，这个聊天的感觉，我人麻了。
几乎跟真人无异，在一个人说话的时候，另一个人甚至会在其中穿插一些嗯啊之类的语气反应，还会打断，附和。
最重要的是，这种形式，真的很有趣。
过往，我们已经看到了无数，使用AI帮助自己学习的例子。
比如我自己最喜欢的，把一个名词或者一句我不懂的话，扔给Claude或者ChatGPT，然后附一段我自己最喜欢的Prompt：
“我是一个六年级的小朋友，请用极度详细、通俗易懂的例子帮助我理解这部分信息。”
他会给我讲解的非常非常细致，比如，解释一下最近海外独角兽文章中的一句话：“纯靠语言的经典 scaling law 做 pre-train 的这个物理规律是不是就遇到瓶颈了？”
无敌好用，真的，在我学习路上陪伴了我N久，非常适合我这种笨比门外汉。
但是不管是解释、还是思维导图、还是各种摘要或提问，其实有一个共同点，那就是：
全部都是基于文字的。
但是这种有一个很大的问题是，并不是每个人，或者说每个时间，都是通过阅读来学习的。
很多人其实是听觉学习者，或者在一些不方便阅读的时候，使用听觉来获取信息以及学习，比如播客两个最典型的场景，其实是做家务和开车。
这两个场景，占据了相当大的时间，但是这个时候，你想阅读，是不可能的。
播客的使用量也急剧上升，不管是国内还是国外，播客也都证明了，理解一个主题的最有效方式之一，是倾听两个有趣且投入的人进行对话。
但播客的数量，就那么点，求人不如求己，被动学习不如主动学习。
所以，在此基础上，Google NotebookLM的“音频概览”应运而生。
只能说他们太懂学习了。
网址在此：https://notebooklm.google/
记得上魔法，然后登录google账号就能直接用。
进去了，先创建一个笔记本，每个笔记本你可以理解为，是一个单独的知识库。
你可以扔网址、扔文件，也可以只粘贴文字。
我把我的人物简历PDF扔进去以后，他就会自动对内容进行解析，给你弹出笔记本指南。
你可以跟知识库一样随便问随便学习，可能列出目录、时间线等等，当然，最屌的还是那个音频概览。
点一下生成，最多耗时五分钟，你就能得到一个大约十分钟的，由两个AI 主持人进行“深度探讨”的英文音频播客。
我把两人聊我简历的这段小播客，扔到飞书妙记里，给大家看一下大概的内容。
这两人聊的，真的很有趣，情绪价值拉满，中间还会针对我的经历做一些讨论，给我加一些奇奇怪怪的梗。
说实话，听到有人用很聊天的感觉，在聊我的故事，那感觉还是有点羞耻的，但是，不知不觉，这6分钟很快就听完了。。。
整体，这个效果好是好，但是在我听了十几段我把各种乱七八糟的文件、笔记、研报、文章、网站扔进去之后，我也发现了三个很大的问题。
1. 那还是语言问题，作为一个中国人，我还是喜欢听自己的母语，没有什么比中文更酷的语言了，但是现在的NotebookLM，只能生成英文，这肯定不够，11Labs还能生成29种语言呢。
2. 不支持声音克隆，就跟文本、绘图、音乐一样，一定会有人希望用这个东西去做自己的播客的，如果全世界都是现在这两人的声音，那听一听肯定就还是腻了，如果能跟11Labs一样，支持语音克隆，自定义声音，那就完美了。
3. 文本的幽默性还是不够，播客大家很多人听，也是希望能既有趣又有用，真要哐哐的在那听1小时干货，那人也麻了，所以你看为啥半拿铁订阅者那么多，是因为他们真的讲的很有趣啊。。。而NotebookLM受限于自己家的Gemini，在幽默和文本上，真的还是差Claude一大截。
不过音频概览这个功能，也仅仅只上线了几天而已，我的要求可能确实有点多，没事，问题不大，未来可期。
我也顺道，加入了他们官方的Discord群聊，把群里的聊天记录，翻到了上线前的那一天，也发现了很多有趣的使用场景。
有个叫paradroid的老哥，把Discord一天的聊天记录粘贴到NotebookLM里，每天晚上听一个简短的播客，来总结群里一天的聊天。
有天文博物馆的老哥，用他来做音频，帮助教育工作。
也有高中教师，把它当作给学生复习的音频资料。
还有数学家，用NotebookLM制作的播客，辅助自己理解论文。
等等等等。
好像有一种全新的场景，被开辟出来了。
我觉得，与其担心被AI取代，不如想想怎么利用好这些工具来提高自己。
比如说，就这个小东西，我们可以用它来:
-
快速消化大量信息，把长篇大论变成有趣的对话。
-
在做家务或者开车的时候”阅读”那些平时没时间看的文章。
-
练习英语听力，顺便学点新知识。
-
甚至可以用来准备演讲稿，听听别人(虽然是AI)怎么聊你的观点。
多个模态之间的相互流转，一定会是未来最主要的旋律。
无需抵制，大胆去用就行了。
就像黑悟空中，黄梅老儿那句经典的台词一样：
既见未来，为何不拜。
一个样。
但是，没错，但是来了。
再牛逼的AI，再有趣的场景，我觉得，也不能替代真实的人际交流。
毕竟，没有什么比和朋友面对面地聊天，一起分享观点和笑声更让人愉快的了。
所以，你要不要一起找个时间，跟你的朋友，坐下来好好聊聊天啊？
说一句：
“我请客，咱们边吃火锅边聊聊天，怎么样？”
以上，既然看到这里了，如果觉得不错，随手点个赞、在看、转发三连吧，如果想第一时间收到推送，也可以给我个星标⭐～谢谢你看我的文章，我们，下次再见。
>/ 作者：卡兹克
>/ 投稿或爆料，请联系邮箱：wzglyay@gmail.com
数字生命卡兹克
 阅读 赞  分享 ‘%3E %3Cg transform=‘translate(0 -2.349)‘%3E %3Cpath d=‘M0 2.349h24v24H0z’/%3E %3Cpath fill=‘%23576B95’ d=‘M16.45 7.68c-.954 0-1.94.362-2.77 1.113l-1.676 1.676-1.853-1.838a3.787 3.787 0 0 0-2.63-.971 3.785 3.785 0 0 0-2.596 1.112 3.786 3.786 0 0 0-1.113 2.687c0 .97.368 1.938 1.105 2.679l7.082 6.527 7.226-6.678a3.787 3.787 0 0 0 .962-2.618 3.785 3.785 0 0 0-1.112-2.597A3.687 3.687 0 0 0 16.45 7.68zm3.473.243a4.985 4.985 0 0 1 1.464 3.418 4.98 4.98 0 0 1-1.29 3.47l-.017.02-7.47 6.903a.9.9 0 0 1-1.22 0l-7.305-6.73-.008-.01a4.986 4.986 0 0 1-1.465-3.535c0-1.279.488-2.56 1.465-3.536A4.985 4.985 0 0 1 7.494 6.46c1.24-.029 2.49.4 3.472 1.29l.01.01L12 8.774l.851-.85.01-.01c1.046-.951 2.322-1.434 3.59-1.434 1.273 0 2.52.49 3.472 1.442z’/%3E %3C/g%3E %3C/g%3E %3C/g%3E%3C/svg%3E) 推荐 ’ fill=‘%23000’ fill-opacity=’.9’/%3E%3C/svg%3E) 留言