大神卡帕西安利爆火AI應用，稱「或是下一個ChatGPT」
衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI
甚至預言這個AI應用，有可能開啟「和ChatGPT一樣大的機會」。
它就是來自Google的實驗性AI產品，Notebook LM，背後由Google現在最強大的模型Gemini 1.5 Pro提供支持。
最近這應用要多火就有多火，全因上線了一項新功能——
上傳文件（文字、音頻、影片），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，把文件轉換成AI生成的對話播客，根據文檔內容進行討論。
2個AI，用真人般的語音和口吻，圍繞文件內容激情討論，最後總結陳詞。
△卡帕西輸入訓練GPT-2的C代碼，製作的對話播客
這真的很酷！
而且不是卡帕西一個人在誇。逛了下互聯網幾大平台，網民們對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用戶體驗。
Notebook LM怎麼玩？
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Google文檔，可以是網站和影片鏈接，甚至乾脆黏貼一大段文本都可以。
每個筆記本支持上傳50個文件，每個文件內容上限500000個單詞。
這裏我們上傳了OpenAI o1的System Card文檔，接下來就可以選擇需要創建的內容。
內置支持問答、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不支持用中文回答，即使刻意要求也不行。
選擇創建音頻的話，視文檔長度需要等待幾分鐘到十幾分鐘。
趁這個時間來瞭解一下這背後的Gemini模型叭～
NotebookLM由Gemini 1.5 Pro來支持，也就是Google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。
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。
英語沒那麼好的朋友，也可以看看套娃AI轉寫、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；
（下台後）把錄音和筆記掃瞄上傳到NotebookLM，讓它根據錄音細節擴寫筆記。
另外，還可以每週創建一份對所學內容重點的複習音頻。
一種與單純Chat不同的交互範式
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筆記本項目的它還叫Project Tailwind。
到了去年7月，NotebookLM它才改成現在的名字。
起初，只支持美國局部地區的用戶食用；功能也還是圍繞著基礎的Chat模式展開。
△NotebookLM自動生成文檔指南（來自Google官網）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，音頻概述。
Google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不僅已經能夠把Youtube影片作為輸入，還已經支持超100種語言。
現在，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不同的交互範式。
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，其中有一方就會處於提問、引導角色。
咱把文檔、音影片放進去，等待生成，美美聽AI根據文件嘮就是了。
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已經幫我們總結出來的凝練版本（哎，沒錯，咱就是這麼懶！doge）。
本著精益求精的精神，也有網民表示了對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。
不過背後的Gemini是多模態的嘛，相比Notebook LM長眼睛不會太晚。
另一個是用戶無法引導AI播客的內容。
Yuchen Jin喂給它兩條推文，它就生成了近13分鐘的音頻內容，但它預設聽眾是普通受眾，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，或者談論主題、方向、角度，那真的是棒上加棒。
One More Thing
說時遲那時快，開發者搞出開源版的NotebookLM了！
不過暫時只能喂給它PDF嗷。
咱就是說，人類真有意思哈！
以前在音頻轉文字方面費勁，追求把廣播、會議錄音什麼的轉成文字。
現在又開始用大模型把文字轉成播客了……
有意思哇有意思哇（狗頭）。
參考鏈接：
[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
