最近來自Google的實驗性AI產品，Notebook LM吸引相當多人的注意，這個背後由Google現在最強大的模型Gemini 1.5 Pro提供支援的服務，甚至獲得AI大神Andrej Karpathy強烈推薦，甚至預言這個AI服務，有可能開啟和ChatGPT一樣大的機會。
文章目錄
最近這服務要多火就有多火，全因上線了一項新功能——上傳檔案（文字、音訊、影片），AI不僅能幫忙用文字提煉要點，還可以通過音訊概述（Audio Overview）功能，把檔案轉換成AI生成的對話，根據文件內容進行討論。
2個AI，用真人般的語音和口吻，圍繞檔案內容激情討論，最後總結陳詞。就是一個完全由AI生成的Podcast。
這真的很酷！
而且不是Karpathy一個人在誇。逛了下網路上幾大平台，網友們對Notebook LM普遍都是好評。AI界的KOL@elvis也在Karpathy評論留言：
「卡神稱這“讓人想起ChatGPT時刻”，絕對不是誇大其詞！
真正讓多種模型聯合工作，會解鎖Notebook LM這樣獨特的內容格式和使用者體驗。」
Notebook LM怎麼玩？
玩法很簡單，打開官方頁面，登入Google帳號後，拖曳上傳需要處理的檔案就好了。
檔案可以是Google文件，可以是網站和視訊連結，甚至乾脆貼上一大段文字都可以。支援上傳50個檔案，每個檔案內容上限500000個單詞。
這裡我們上傳了OpenAI o1的System Card文件，接下來就可以選擇需要建立的內容。
內建支援問答、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訊內容。
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，結果AI是可以理解的。很可惜的是Notebook LM不支援用中文回答，即使刻意要求也不行。
選擇建立音訊的話，視文件長度需要等待幾分鐘到十幾分鐘。
NotebookLM的背景
NotebookLM由Gemini 1.5 Pro來支援，也就是Google家目前旗艦級大型語言模型。
Gemini 1.5 Pro支援超長128k上下文，這是能解讀長文件的基礎。
在最近的一次升級中，Gemini 1.5 Pro數學和推理能力還反超OpenAI o1預覽版。
好了，剛才生成的音訊也處理完畢，英語好的朋友可以來聽聽看。
英語沒那麼好的朋友，也可以看看套上AI轉寫、翻譯出來的AI文字版，感受一下。
單純的上傳文件，生成內容，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：
- 上課時用手機錄音；
- 上課期間不需要用電腦，只需（紙筆）記下簡短的重點；
- （下課後）把錄音和筆記掃描上傳到NotebookLM，讓它根據錄音細節擴寫筆記。
- 另外，還可以每週建立一份對所學內容重點的複習音訊。
與單純「聊天」不同的AI互動範式
其實，NotebookLM並不是出道即爆火。
早在去年5月的Google I/O大會上它就已經出現了，不過那個時候，作為AI筆記計畫的它還叫Project Tailwind。到了去年7月，NotebookLM它才改成現在的名字。
起初，只支援美國局部地區的使用者使用；功能也還是圍繞著基礎的Chat模式展開。
到了這個月11號，NotebookLM突然宣佈面向全球玩家開放，並且新增了重磅功能，音訊概述。
Google給的官方介紹是這樣的：
「新的音訊概述功能，可以一鍵將文件、幻燈片、圖表等轉化為引人入勝的討論。」
因為互動形式很新、AI語音逼真、討論起來真的很像真人Podcast播客，大家一下就玩嗨了。
到這兩天，Notebook LM不僅已經能夠把Youtube視訊作為輸入，還已經支援超100種語言。現在，AI大神的公開稱讚，更為Notebook LM的熱度「火上加油」。
如Karpathy所說，Notebook LM爆火最主要的原因，是它提供了一種與單純Chat不同的互動範式。Notebook LM消除了大型語言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Podcast對話中，其中有一方就會處於提問、引導角色。我們把文件、音視訊放進去，等待生成，聽AI根據檔案閒聊是了。
第二點，閱讀不是件容易的事。
資訊爆炸的碎片化時代，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已經幫我們總結出來的凝練版本。
目前Notebook LM的兩大缺點
本著精益求精的精神，也有網友表示了對Notebook LM更上一層樓的期待。
Hyperbolic Labs的聯創兼CTO Yuchen Jin試玩過後，總結了兩個侷限性：
一個是它「看不到」，也就是沒法處理文件內的圖片資訊。不過背後的Gemini是多模態的嘛，相比Notebook LM長眼睛不會太晚。
另一個是使用者無法引導AI Podcast的內容。
Yuchen Jin餵給它兩條推文，它就生成了近13分鐘的音訊內容，但它預設聽眾是一般受眾，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，或者談論主題、方向、角度，那真的是棒上加棒。
One More Thing
說時遲那時快，也有開發者搞出開源版的NotebookLM了！
不過暫時只能給它PDF檔案。
參考連結：
[2]https://x.com/karpathy/status/1840112692910272898
[3]https://x.com/omarsar0/status/1840145774874898506
請注意！留言要自負法律責任，相關案例層出不窮，請慎重發文！