衡宇 发自 凹非寺
量子位 | 公众号 QbitAI
大神卡帕西墙裂推荐!
甚至预言这个AI应用,有可能开启「和ChatGPT一样大的机会」。
它就是来自谷歌的实验性AI产品,Notebook LM,背后由谷歌现在最强大的模型Gemini 1.5 Pro提供支持。
最近这应用要多火就有多火,全因上线了一项新功能——
上传文件(文字、音频、视频),AI不仅能帮忙用文字提炼要点,还可以通过音频概述(Audio Overview)功能,把文件转换成AI生成的对话播客,根据文档内容进行讨论。
2个AI,用真人般的语音和口吻,围绕文件内容激情讨论,最后总结陈词。
△卡帕西输入训练GPT-2的C代码,制作的对话播客
这真的很酷!
而且不是卡帕西一个人在夸。逛了下互联网几大平台,网友们对Notebook LM普遍还是挺买账的。
AI界的KOL@elvis也在卡帕西评论区留言:
卡神称这“让人想起ChatGPT时刻”,绝对不是夸大其词!
真正让多种模型联合工作,会解锁Notebook LM这样独特的内容格式和用户体验。
Notebook LM怎么玩?
玩法很简单,打开试玩页面,拖拽上传需要处理的文件。
可以是谷歌文档,可以是网站和视频链接,甚至干脆粘贴一大段文本都可以。
每个笔记本支持上传50个文件,每个文件内容上限500000个单词。
这里我们上传了OpenAI o1的System Card文档,接下来就可以选择需要创建的内容。
内置支持问答、小测验、目录、时间线、摘要等文字版功能,以及两个主持人的深度对话音频内容。
如果有更个性化的需求也可以自己敲prompt。
我们尝试用中文提问,结果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。
选择创建音频的话,视文档长度需要等待几分钟到十几分钟。
趁这个时间来了解一下这背后的Gemini模型叭~
NotebookLM由Gemini 1.5 Pro来支持,也就是谷歌家目前旗舰级大模型。
Gemini 1.5 Pro支持超长128k上下文,这是能解读长文档的基础。
在最近的一次升级中,Gemini 1.5 Pro数学和推理能力还反超OpenAI o1预览版。
好了,刚才生成的音频也处理完毕,英语好的朋友可以来听听看。
英语没那么好的朋友,也可以看看套娃AI转写、翻译出来的AI播客文字版,感受一下。
单纯的上传文档,生成内容,还只是Notebook的实用玩法之一。
还有人介绍了学生上课录音,回家用AI整理重点的玩法,也广受好评。
(不是自己不听课了的意思)
具体来说,可以遵循以下步骤:、
上课时用手机录音;
上课期间不需要用电脑,只需(纸笔)记下简短的重点;
(下课后)把录音和笔记扫描上传到NotebookLM,让它根据录音细节扩写笔记。
另外,还可以每周创建一份对所学内容重点的复习音频。
一种与单纯Chat不同的交互范式
其实,NotebookLM并不是出道即爆火。
早在去年5月的Google I/O大会上它就已经出现了,不过那个时候,作为AI笔记本项目的它还叫Project Tailwind。
到了去年7月,NotebookLM它才改成现在的名字。
起初,只支持美国局部地区的用户食用;功能也还是围绕着基础的Chat模式展开。
△NotebookLM自动生成文档指南(来自谷歌官网)
到了这个月11号,NotebookLM突然宣布面向全球玩家开放,并且新增了重磅功能,音频概述。
谷歌给的官方介绍是这样的:
“新的音频概述功能,可以一键将文档、幻灯片、图表等转化为引人入胜的讨论。”
因为交互形式很新、AI语音逼真、讨论起来真的很像真人播客,大家一下就玩嗨了。
到这两天,Notebook LM不仅已经能够把Youtube视频作为输入,还已经支持超100种语言。
现在,卡帕西的下场“示爱”,更为Notebook LM的热度添了一把火。
如卡帕西所说,Notebook LM爆火最主要的原因,是它提供了一种与单纯Chat不同的交互范式。
卡帕西表示,Notebook LM消除了大模型的两大享受障碍:
第一点,聊天其实挺难的。
有些人在日常生活中跟人交流都费尽心力,更别提要和Chatbot聊天,还得不停提问、追问。
NotebookLM好就好在,生成的二AI播客,其中有一方就会处于提问、引导角色。
咱把文档、音视频放进去,等待生成,美美听AI根据文件唠就是了。
第二点,阅读不是件容易的事。
信息爆炸的碎片化时代,挑个舒服的姿势,或者开车时候听别人讨论我需要的东西,比自己费劲吧啦搁那儿看容易得多。
——哪怕看的是AI已经帮我们总结出来的凝练版本(哎,没错,咱就是这么懒!doge)。
本着精益求精的精神,也有网友表示了对Notebook LM更上一层楼的期待。
Hyperbolic Labs的联创兼CTO Yuchen Jin试玩过后,总结了两个局限性:
一个是它“看不到”
,也就是没法处理文档里的图片信息。
不过背后的Gemini是多模态的嘛,相比Notebook LM长眼睛不会太晚。
另一个是用户无法引导AI播客的内容。
Yuchen Jin喂给它两条推文,它就生成了近13分钟的音频内容,但它默认听众是普通受众,所以讲了很多很基本的概念。
如果能指定生成播客的目标群体,或者谈论主题、方向、角度,那真的是棒上加棒。
One More Thing
说时迟那时快,开发者搞出开源版的NotebookLM了!
不过暂时只能喂给它PDF嗷。
咱就是说,人类真有意思哈!
以前在音频转文字方面费劲,追求把广播、会议录音啥的转成文字。
现在又开始用大模型把文字转成播客了……
有意思哇有意思哇(狗头)。
参考链接:
[1]https://notebooklm.google/
[2]https://x.com/karpathy/status/1840112692910272898
[3]https://x.com/omarsar0/status/1840145774874898506
[4]https://x.com/Yuchenj_UW/status/1840203324571943403
[5]https://github.com/gabrielchua/open-notebooklm
量子位2024人工智能年度评选已开启报名通道,评选从企业、人物、产品三大维度设立了5类奖项。
欢迎扫码报名评选!评选结果将于12月MEET2025智能未来大会公布,期待与数百万从业者共同见证荣誉时刻。
点这里👇关注我,记得标星哦~
一键三连「点赞」、「分享」和「在看」
科技前沿进展日日相见 ~