大神卡帕西墻裂推薦！

甚至預言這個AI應(yīng)用，有可能開啟「和ChatGPT一樣大的機會」。

它就是來自谷歌的實驗性AI產(chǎn)品，Notebook LM，背后由谷歌現(xiàn)在最強大的模型Gemini 1.5 Pro提供支持。

最近這應(yīng)用要多火就有多火，全因上線了一項新功能——

上傳文件（文字、音頻、視頻），AI不僅能幫忙用文字提煉要點，還可以通過音頻概述（Audio Overview）功能，把文件轉(zhuǎn)換成AI生成的對話播客，根據(jù)文檔內(nèi)容進行討論。

2個AI，用真人般的語音和口吻，圍繞文件內(nèi)容激情討論，最后總結(jié)陳詞。

這真的很酷！

而且不是卡帕西一個人在夸。逛了下互聯(lián)網(wǎng)幾大平臺，網(wǎng)友們對Notebook LM普遍還是挺買賬的。

AI界的KOL@elvis也在卡帕西評論區(qū)留言：

卡神稱這“讓人想起ChatGPT時刻”，絕對不是夸大其詞！
真正讓多種模型聯(lián)合工作，會解鎖Notebook LM這樣獨特的內(nèi)容格式和用戶體驗。

Notebook LM怎么玩？

玩法很簡單，打開試玩頁面，拖拽上傳需要處理的文件。

可以是谷歌文檔，可以是網(wǎng)站和視頻鏈接，甚至干脆粘貼一大段文本都可以。

每個筆記本支持上傳50個文件，每個文件內(nèi)容上限500000個單詞。

這里我們上傳了OpenAI o1的System Card文檔，接下來就可以選擇需要創(chuàng)建的內(nèi)容。

內(nèi)置支持問答、小測驗、目錄、時間線、摘要等文字版功能，以及兩個主持人的深度對話音頻內(nèi)容。

如果有更個性化的需求也可以自己敲prompt。

我們嘗試用中文提問，結(jié)果AI是可以理解的。

很可惜的是Notebook LM不支持用中文回答，即使刻意要求也不行。

選擇創(chuàng)建音頻的話，視文檔長度需要等待幾分鐘到十幾分鐘。

趁這個時間來了解一下這背后的Gemini模型叭～

NotebookLM由Gemini 1.5 Pro來支持，也就是谷歌家目前旗艦級大模型。

Gemini 1.5 Pro支持超長128k上下文，這是能解讀長文檔的基礎(chǔ)。

在最近的一次升級中，Gemini 1.5 Pro數(shù)學和推理能力還反超OpenAI o1預覽版。

好了，剛才生成的音頻也處理完畢，英語好的朋友可以來聽聽看。

英語沒那么好的朋友，也可以看看套娃AI轉(zhuǎn)寫、翻譯出來的AI播客文字版，感受一下。

單純的上傳文檔，生成內(nèi)容，還只是Notebook的實用玩法之一。

還有人介紹了學生上課錄音，回家用AI整理重點的玩法，也廣受好評。

（不是自己不聽課了的意思）

具體來說，可以遵循以下步驟：、

1. 上課時用手機錄音；
2. 上課期間不需要用電腦，只需（紙筆）記下簡短的重點；
3. （下課后）把錄音和筆記掃描上傳到NotebookLM，讓它根據(jù)錄音細節(jié)擴寫筆記。

另外，還可以每周創(chuàng)建一份對所學內(nèi)容重點的復習音頻。

一種與單純Chat不同的交互范式

其實，NotebookLM并不是出道即爆火。

早在去年5月的Google I/O大會上它就已經(jīng)出現(xiàn)了，不過那個時候，作為AI筆記本項目的它還叫Project Tailwind。

到了去年7月，NotebookLM它才改成現(xiàn)在的名字。

起初，只支持美國局部地區(qū)的用戶食用；功能也還是圍繞著基礎(chǔ)的Chat模式展開。

△NotebookLM自動生成文檔指南（來自谷歌官網(wǎng)）

到了這個月11號，NotebookLM突然宣布面向全球玩家開放，并且新增了重磅功能，音頻概述。

谷歌給的官方介紹是這樣的：

“新的音頻概述功能，可以一鍵將文檔、幻燈片、圖表等轉(zhuǎn)化為引人入勝的討論。”

因為交互形式很新、AI語音逼真、討論起來真的很像真人播客，大家一下就玩嗨了。

到這兩天，Notebook LM不僅已經(jīng)能夠把Youtube視頻作為輸入，還已經(jīng)支持超100種語言。

現(xiàn)在，卡帕西的下場“示愛”，更為Notebook LM的熱度添了一把火。

如卡帕西所說，Notebook LM爆火最主要的原因，是它提供了一種與單純Chat不同的交互范式。

卡帕西表示，Notebook LM消除了大模型的兩大享受障礙：

第一點，聊天其實挺難的。

有些人在日常生活中跟人交流都費盡心力，更別提要和Chatbot聊天，還得不停提問、追問。

NotebookLM好就好在，生成的二AI播客，其中有一方就會處于提問、引導角色。

咱把文檔、音視頻放進去，等待生成，美美聽AI根據(jù)文件嘮就是了。

第二點，閱讀不是件容易的事。

信息爆炸的碎片化時代，挑個舒服的姿勢，或者開車時候聽別人討論我需要的東西，比自己費勁吧啦擱那兒看容易得多。

——哪怕看的是AI已經(jīng)幫我們總結(jié)出來的凝練版本（哎，沒錯，咱就是這么懶！doge）。

本著精益求精的精神，也有網(wǎng)友表示了對Notebook LM更上一層樓的期待。

Hyperbolic Labs的聯(lián)創(chuàng)兼CTO Yuchen Jin試玩過后，總結(jié)了兩個局限性：

一個是它“看不到”，也就是沒法處理文檔里的圖片信息。

不過背后的Gemini是多模態(tài)的嘛，相比Notebook LM長眼睛不會太晚。

另一個是用戶無法引導AI播客的內(nèi)容。

Yuchen Jin喂給它兩條推文，它就生成了近13分鐘的音頻內(nèi)容，但它默認聽眾是普通受眾，所以講了很多很基本的概念。

如果能指定生成播客的目標群體，或者談?wù)撝黝}、方向、角度，那真的是棒上加棒。

One More Thing

說時遲那時快，開發(fā)者搞出開源版的NotebookLM了！

不過暫時只能喂給它PDF嗷。

咱就是說，人類真有意思哈！

以前在音頻轉(zhuǎn)文字方面費勁，追求把廣播、會議錄音啥的轉(zhuǎn)成文字。

現(xiàn)在又開始用大模型把文字轉(zhuǎn)成播客了……

有意思哇有意思哇（狗頭）。