Google 這款免費 AI，連 OpenAI 都在誇

在不久前結束的 Google I/O 上，Google 悄咪咪地在安卓和 iOS 同時上線了一款「舊」app——NotebookLM。發佈當日，不到 24 小時，它就奪得蘋果 App Store 中生產工具類別的第二名。

2023 年發佈的 NotebookLM 此前只有桌面端

NotebookLM 於 2023 年發佈，當時人們只把它當拆解文檔的知識庫使，等到了 2024 年新增「音頻概覽」後，NotebookLM 破圈了。

就連來自競爭對手 OpenAI 的創始成員 Andrej Karpathy 在體驗 Google NotebookLM 後都難掩激動地表示，這讓他想起了當初的「ChatGPT 時刻」。

同我們這兩年已經習慣的 AI 問答機器人不同，當我們輸入一個問題，NotebookLM 會要求你先把掌握的多媒體素材上傳了，再提問題，它是 source-grounded 的，只會根據你上傳的知識作答。就是這麼一款由 AI 驅動的筆記產品，翻紅了。

增加了音頻概覽功能後的 NotebookLM，可以將原本結構化、線性表達的知識文本，生成 10 分鐘左右的 AI 雙人播客，而且音色、抑揚頓挫，甚至包括調侃，都活人味十足。這還沒完，當文本被轉化為音頻後，人們發現 AI 非常會講故事、劃重點，在聲音上都能做出高亮……繁雜的論文大概率是沒能看完，但相聲總是能在路上就聽完的。

據流量分析平台 SimilarWeb 統計，從去年 11 月開始算，NotebookLM 半年時間月訪問量漲了 56%，達到超四千八百萬的量級。前陣子，Google 還推出了獨立的手機版，「聲音快餐」加上移動場景，使用量有望再次翻倍。

AI 時代的筆記本長什麼樣

打開 NotebookLM，映入眼簾的一個個分門別類的自建主題，每次新建都會被要求上傳素材，諸如會議記錄、課堂內容、研究筆記，現在已經支持各種格式的文本文檔、帶板書的幻燈片、PDF、網頁（中文網頁解析支持不佳，建議將其「網頁轉 PDF」後再導入）、音頻，以及全互聯網智慧的結晶——YouTube！

一股腦兒都放進去後，界面瞅著就像一個特定研究主題的問答機器人，剛才上傳的不同媒介的資源，AI 全吸收了，且變成了你深入提問的上下文。

如圖，AI 已經將資料概括寫好了，如果你這時就有明確的問題要問，直接在輸入框激情問答，但如果你和大部分人一樣，無從下手，AI 已經貼心地擬好了高質量問題，就懸浮在輸入框的下方，而且這些問題你越問越有，不斷更新生成。

NotebookLM 的回答，幾乎是每一句，都會做好索引，而且並不只是定位到某個素材，而是細化到某一個素材具體討論到當前部分的位置。

如果你提的問題，在居里都沒有相關內容，AI 就會直接說：答不了。

如果你上傳的素材非常多元，「思維導圖「能派上大用場。它會將不同內容統統收整起來，呈現邏輯和關聯，如果你需要查看更細節的內容，再逐層展開，當找到你想具體研討的知識點，點擊，AI 將會就這一個小點放置到整體語義和上下文中，再幫你劃出重點。

筆記區的「學習指南」「簡報文檔」「常見問題解答」和「時間軸」，也都能幫你做好各種形式的「劃重點」。這麼看來，NotebookLM 更像個學霸搭子，它一目十行後，再遞給你一本劃滿螢光筆跡的濃縮本，且對它說的每句話都負責。

由於 source-grounded 的屬性，NotebookLM 的幻覺是降低了，但也意味著它並不能像 ChatGPT 那種生成式回答發散，不太能舉一反三。在用 NotebookLM 時，我不太擔心 AI 胡編亂造，最大的幻覺可能在於我瞅了一眼展開的思維導圖，覺得自己學到了太多……

文本生成「相聲」，他們都這麼玩

真正讓 NotebookLM 在 AI 產品賽道跑出差異化的，是「音頻概覽」。用法也很簡單，基於你上傳的資料，指定 AI 主播著重講哪個素材、哪個子主題，以及說明你的角色、背景、職務，明確你聽待生成播客的目的是什麼，prompt 寫完，等幾分鐘，節目就開播了。

科技博主@寶玉 xp 通過逆向推導，總結出播客被系統要求「使用‘熱情講述者 + 冷靜分析者’雙聲部，只憑指定來源，為時間緊卻求深度的學習者，精編出既客觀中立又足夠有趣的洞見，讓他 / 她收穫可立即行動或引發頓悟的認知價值。」這種形式的知識攝取，並不直接替代閱讀，NotebookLM 在特定場景有它的實用意義。

NotebookLM 的產品負責人 Raiza Martin 最早在家裡放這些播客，她的丈夫不滿一播就不帶停，Raiza 那時候卻在暗爽對方並沒有聽出那是 AI 在說相聲。

比如 AI 主播講到「3%」這麼一個需要強調的百分比，就會著重在這個字眼上加重語氣，這種聲音上的高亮非常像活人，也加深了我們對重點的記憶。

這還沒算完，播客在放時，你如果覺得 AI 並沒有講到你感興趣的點子上，直接按「加入」按鈕，打斷他們，直接提問。

比如你在策劃一趟去峇里島的行程，把一整本《孤獨星球》和各種攻略都導入庫，開始讓 AI 主播做景點推介了，聽著聽著你的小孩放學回家了，你這才意識到你把孩子這茬給忘了，那就可以打斷 AI 讓他們給你講點適合親子互動的景點……等到真正到了旅遊地，打斷主播，指定他們給你實時導覽，NotebookLM 直接化身耳機里的地陪。

也總有人使用工具不按套路。

有人把自己的簡曆傳上去，那倆 AI 主播逮住你每條職業經歷就是一頓讚美，彷彿拉了一個三人「誇誇群」，他們誇你賽前分析，誇你深耕，即便教育背景和工作經歷風馬牛不相及，他們也會說你底層能力遷移到位了……你聽完只會笑盈盈地說「AI 懂我」。

有人在工作會議上走神，把錄音傳給 AI 主播整理，在工位上聽到生動的會議概要，這可比枯燥的領導發言更易消化吸收。

有人擔心長輩攝取太多二手信息，乾脆收集可靠的出版物，做成「10 分鐘聽完一本書」系列，這樣的「聽書」低幻覺，零私貨。

以上都屬於內容消費，也有人把生產搞起來了。

比如OpenAI 的創始成員 Andrej Karpathy 就花了兩個小時做出了一檔十集的播客Histories of Mysteries，先是用搜索引擎、ChatGPT、Claude 做好選題，然後再把諸如「亞特蘭蒂斯」的域奇詞條傳給 NotebookLM，節目就算殺青了。

Histories of Mysteries 的其中一集，講述了「wow！信號」的故事

又比如一位博主開發了一款瀏覽器插件，可以把收集起來的 B 站影片的字幕都給抓了，再導入 NotebookLM 分析，他對另一個博主非常感興趣，通過集中分析對方的文案特點，為自己的創作提供靈感。

總結來說，NotebookLM 的對話交互和播客生成，都讓原本被動接受知識的過程（比如聽講座），變為主動收集、主動交互。在傳統的教育中，要持續並隨時進行高層次學習並不容易。

一個非常規 Google 產品的誕生

在前不久的 Google I/O 上，Google 宣佈他們專為教育場景優化的 AI 模型 LearnLM 集成到了 Gemini 2.5 和 NotebookLM 中，持續優化個性化、強互動性的教學內容的生成。值得一提的是，NotebookLM 之後，Google 就基於 LearnLM 推出了一個青少年科普交互式百科全書 Learn About。

Learn About 界面

據 TestingCatalog 報導，NotebookLM 還將上線「Sparks」影片生成功能，90% 基於用戶提供素材，10% 為 AI 補充的信息。

而 Google 可是前不久剛端出 Veo 3。這個 AI 影片生成模型，你只需要撰寫一段 prompt，它就能一鍵生成一個聲音、背景音跟影片完美契合的完整成品。

如果拿 NotelookLM 的攢稿能力，結合 Veo 3，恐怕要衝擊一大波知識區博主。別不信，因為 Veo 3 現在的成片長這樣：

NotebookLM 誕生的背後，也有不少說頭。

NotebookLM 最早是一個「20% project」——這是 Google 的一個傳統，即「員工可用 20% 的時間在業餘項目上」。產品孵化自 Google Labs，相比大廠，Google Labs 更像創業小公司，流程更少，更迭和驗證速度更快。

除了技術人和工程師，他們還雇了一位寫科普暢銷書的作家——Steven Johnson，讓 AI 和真實的文字工作者交鋒和共創，團隊深入研究了這位作家組織信息以及書寫的技藝。

NotebookLM 出圈後，Google Labs 負責人 Josh Woodward 也開始兼任 Gemini 項目。他在接受紅衫採訪時，表示「我確實認為 prompt 已經過時了」，他主張人們和 AI 交互不需要手搓那麼長的提示詞，他認為多模態生成的超長上下文，加上 AI 的推理能力，用戶的意圖會更容易被捕捉。

一個薅羊毛小貼士：

NotebookLM 免費版支持上傳 50 個素材，對於一個你剛萌發好奇心的主題，可能用不到 50 個，但如果是想反芻、回溫一個你曾花費大心思鑽研過的課題，擴容到了 Pro 版，就有意義了，將整本著作、長影片、長音頻、內容繁多的板書，再加上這個課題的最新進展，夯實自己對舊知識的認知基礎，還能引入新動態的補充。