[AI電子報] Google NotebookLM 令人驚豔的雙人對話 Podcast 幕後推手？

更新於 2024/12/03發佈於 2024/12/02閱讀時間約 6 分鐘

相信很多朋友已經使用過 Google 最近推出的 NotebookLM 並對其中一項功能印象深刻：針對文檔即時產出雙人對話的 Podcast 節目(叫做 Audio Overview)。

但你知道這項超酷功能的幕後推手是誰嗎？Google Deepmind Podcast 特別邀請到兩位重量級嘉賓：NotebookLM的編輯總監兼暢銷書作者Steven Johnson，以及來自Google Labs的資深產品經理Raiza Martin，一起探討NotebookLM的技術與應用。

節目介紹

《Google DeepMind: Podcast》由Hannah Fry教授主持，本集聚焦NotebookLM—Google Labs推出的個人化AI研究助手。這款工具以語言模型Gemini為核心，結合人性化語音技術，帶來前所未有的內容分析與呈現方式。節目深入探討NotebookLM的核心功能、背後技術、應用案例，以及未來發展方向。

NotebookLM 的核心功能與技術細節

Audio Overview (音頻概述)：
- 功能特點： NotebookLM可自動生成雙人對話形式的音頻內容。這種呈現方式更易於吸引用戶注意力，並提供有趣的解釋，無論是枯燥的學術論文還是重複詞語組成的文件（如「cabbage」與「puddle」）。
- 技術突破：
- - 透過Gemini 1.5 Pro語言模型，分析輸入資料並提取關鍵內容。
  - 語音生成模型模擬真實人類對話，包括語調變化、停頓、強調詞等，使生成音頻具有高度自然性與吸引力。
  - 增加「語音雜訊」特徵，如口頭禪、停頓詞（例如「嗯」、「啊」），提升對話真實感。
來源資料支持 (Source Grounding)：
- 功能特點： 用戶可上傳個人化資料（PDF、筆記、簡歷、書籍等），AI依據上傳內容生成分析與洞察，並附帶精確引用。
- 技術細節：
- - 上下文記憶： NotebookLM利用長上下文窗口，可處理高達2500萬字的資料，確保模型能準確引用並減少「幻覺」現象。
  - 引用與透明性：每個生成內容均附帶詳細的資料來源鏈接，點擊即可檢視原始文檔。
人性化對話設計：
- 語音模型： 採用DeepMind最新語音技術，精確模擬語音中的情緒、語速與重音變化。
- 風格設定： 提供靈活的對話控制，用戶可「傳遞指示」給虛擬主持人，改變語氣、深度或風格。例如，指示主持人減少使用陳腔濫調，或深入某主題討論。
數據隱私保護：
- 安全性： 所有上傳資料僅存於當前會話的上下文中，並不會用於模型訓練。用戶關閉會話後，資料即被清除，確保私密性。
- SynthID水印： 所有生成音頻均嵌入不可見水印，保障內容可追溯性，避免濫用。

技術應用場景與實例

學術與寫作：
- 引用與總結： 寫作者與記者可將研究筆記上傳，AI生成有條理的內容分析。
- 記憶擴展： 例如，Steven Johnson將多年讀書筆記與創作內容匯入NotebookLM，AI幫助他快速回憶相關資料，甚至能提示多年未使用的靈感。
個人日記與情緒分析：
- 功能： 用戶可上傳日記，AI從中提取情緒趨勢或自我變化，提供深刻洞察，例如「某主題與負面情緒的關聯」。
團隊知識共享：
- 應用： 技術與銷售團隊可將繁雜的技術文檔上傳，NotebookLM生成精簡且準確的知識分享內容。
創意與娛樂：
- 應用範例： 用戶上傳非結構化或荒誕內容（如重複詞彙、幽默文本），NotebookLM能生成既搞笑又發人深省的音頻節目。