Google 的 AI 播客工具可将您的文本免费转换为极其逼真的音频

我研究人工智能很多年了，谷歌新的、奇怪的隐藏式人工智能播客工具仍然让我感到惊讶。说真的，你必须听到这个才能相信。但人类最终会打败机器。原因如下。

我一点也不信教，但当我发现这个工具时，我想尖叫，“这是魔鬼的作品！”

当我向我的编辑播放下面包含的音频时，她放松下来，“这是什么类型的巫术？”我和她一起工作了10年，期间我们几乎每天都在偷懒，这是我第一次看到她全大写。

后来，她与我分享道：“这 100% 是我迄今为止在生成式 AI 竞赛中见过的最可怕的事情。”

如果您对人工智能感兴趣，我的发现可能会像我们一样震撼您。我们可能正处于一个分水岭时刻。

在本文中，我将演示 Google 提供的一项服务。请花几分钟时间至少听听我要分享的两个音频片段中的一部分。我将向您展示它们是如何创建的以及如何制作您自己的。然后我们将深入研究地震级别的影响。

最后，请在下面的评论中和我一起讨论这个问题。我想我们都需要对这意味着什么进行一些处理。

示威活动

您将听到的是关于我最近的一篇文章的播客讨论。

我所做的只是将关于 2D 图像到 3D 的真实 VR 转换的文章文本粘贴到 Google 的 NotebookLM 服务中，然后单击“生成”。

让我非常清楚：广播中的“人”不是真实的。音频完全由人工智能生成。

为了充分理解这项技术的含义，值得花几分钟阅读我的原始文章，然后听六分钟音轨中的至少一分钟。

原文：我认为这个新的 VisionOS 2 功能只是一个噱头 - 直到它让我对着 Vision Pro 哭了
人工智能生成的音轨：点击此处收听

继续吧，我会等。

以下是一些需要注意的事项：

两个人说话的质量，包括声音的保真度和自然度
使用适当的口语，如“水厂”来描述眼泪和哭泣
他们的玩笑完全是有机的，而且事实上甚至存在玩笑
“人类”演讲者对文章中的概念的理解程度如何，包括重温旧记忆的情感方面
总的来说，这听起来有多真实，从前奏到正文再到尾奏，它与真实的广播没有区别

接下来，让我们花点时间看看它是如何生成的。

什么是 NotebookLM？

NotebookLM 是 Google Keep 和 Notion 中的 AI 的结合体。

NotebookLM 中的主要数据结构是笔记本，其中包含有关给定项目的所有“笔记”。注释在 NotebookLM 中称为“源”，可以是您在 NotebookLM 中输入的文本，类似于 Keep。但它们也可以是 PDF、Google 文档或幻灯片、粘贴的文本、音频文件、YouTube 链接和 Web URL。

NotebookLM 似乎对源的格式有些挑剔，因为当我粘贴文章的 URL 时，它无法读取它。我必须复制文本并将其粘贴进去。我还发现了一个无法阅读的 PDF，即使该 PDF 并未显示为锁定或受限。

一旦你将所有数据源都存储在笔记本中，你就可以要求 NotebookLM 的人工智能对数据进行人工智能处理。你可以得到一个总结。你可以要求它提取要点。你可以向它索要大纲等等。 AI 操作仅使用给定笔记本中提供的源数据，类似于 Notion 的 AI 仅对上传到您自己的 Notion 帐户的数据起作用。

最令人惊喜的功能，也是我在本文中所热切关注的功能，是“生成”按钮，它可以在您在演示中听到的两个播客主持人之间生成真实的玩笑。

目前，NotebookLM 是测试版并且免费。

创建您自己的音频（以及第二个演示）

让我们创建另一个令人惊叹的播客讨论。这次，我们将使用 Jason Perlow 撰写的关于英特尔衰落的精彩文章作为我们的来源。

首先，将浏览器指向 NotebookLM。您需要登录您的 Google 帐户。登录后，您将看到笔记本列表。此屏幕截图仅显示了我的第一个测试，即上面展示的演示，以及 Google 提供的一些示例笔记本。

单击“新建笔记本”会将我们带到“添加源”屏幕。

因为我之前发现它没有正确处理 ZDNET 文章的链接，所以我只是转到右下角并单击“粘贴文本”。然后，我已经从 Jason 的文章中剪切了文本，并将其粘贴到数据输入字段中。

几秒钟后，NotebookLM 打开所谓的笔记本指南，这是来源和建议的摘要。

右侧是音频概述部分。只需单击“生成”即可。生成新的播客需要几分钟的时间。这是我们这次回来的。

原创文章：英特尔的衰落：一代人工智能如何帮助推翻巨头并改变我们所知的计算
人工智能生成的音轨：点击此处收听

如果要导出文件，可以单击三点菜单并选择下载。该网站会下载一个 WAV 文件，但您需要添加 .WAV 扩展名。就是这样。

简要说明：大约四分钟后，出现一个小错误。男声重复了一句话。我自己在网络广播和广播中也犯过同样的错误，但仍然如此。

令人震惊的影响

首先，让我们花点时间来欣赏一下结果是多么令人难以置信。这两段录音展示了理解的深度、编写相关对话的能力，以及添加与文化相关甚至敏感的新信息的能力。这就是我们讨论声音质量甚至语气之前的全部内容。

就我个人而言，我首先感到这是一次重击。作为图书作者，在做图书促销、图书巡展时，“送好广播”的能力是必不可少的。我磨练了15年多了，每次出场都出汗，但还是比不上这两个假主播。

是的，他们使用我的文章（以及后来的 Jason 的）作为他们讨论的素材。但这种质量的输出几乎让像我这样的创作者和内容制作者开始感受到热量。 NotebookLM除了加快语速之外别无选择。现在想象一下，如果您可以选择扬声器、风格，甚至可以编辑一些人工智能生成的脚本。

然后，这就是什么是真实的整个问题。上周，我向您展示了 Vision Pro 如何使我早已去世的小猫 20 年前的快照在我眼前显得真实。现在，我将向您展示如何利用谷歌笔记本实验角落里的一个小功能来组成两个完全自制的扬声器，与人类没有区别。

多年来，我们已经能够在 Photoshop 和其他编辑工具中扭曲现实。电影制作者在讲故事时使用特效来创造虚假的现实。即使是在胶片上拍照这一行为也会稍微改变现实。

我的猫的照片是她现实生活的 1/250 秒快照，你只能看到相机看到的内容，以及显影过程（仍然是胶片）对胶片乳剂中的光线的反应。

所以这并不是说我们突然能够假装真实了。而是我们能够将虚假进一步延伸为现实。猫的快照与亲眼所见是不同的，就好像她真的就在你面前一样。计算机生成的脚本与听到两个广播专业人士就感兴趣的话题进行动态讨论有很大不同。

还有成本和速度的问题。需要明确的是，谷歌花费了数十亿美元将我的文章变成播客。但我什么也没花。这也需要一些时间。这大大降低了内容制作的准入门槛。

同样令人担忧的是，一些公司选择使用人工智能生成的内容，而不是雇用像我和杰森这样的专业人士来做这件事。我花了两天时间写这篇文章，因为我一直在努力寻找讲述这个故事的正确方式。

但是，当我将提示“写一篇关于 Google NotebookLM 创建音频播客的惊人能力及其影响的文章”输入到 ChatGPT 时，我在不到一分钟的时间内就收到了一篇经过深思熟虑的文章。

我的文章显然更深入、更完整，体现了我个人风格的细微差别以及我的经历和选择。但 ChatGPT 生成的版本还不错。它对这五个主题写了详细的想法：

内容创作民主化
教育转型和知识共享
对创意产业的影响
新的伦理问题
改变播客的经济学

这对于一分钟的工作来说是令人印象深刻的。

Google 的 NotebookLM 让我思考这可能预示着哪些服务。我制作了很多 YouTube 视频，但说实话，我已经落后了。有一天，我是否可以使用这样的“生成”功能来创建 YouTube 视频的头部说话部分，让我看起来像是在表演？

一方面，这可能会节省我大量的时间，让我有机会赶上我的积压工作。但另一方面，神圣可怕的蝙蝠侠！我是否想要一个我跑来跑去的幻影，说天知道什么，拥护我可能不同意甚至厌恶的信念？或者，如果人工智能本身出现幻觉、忽视或误解其护栏并吐出一些非常不恰当的东西怎么办？这并不是以前从未发生过的事情。

有多少朋友、选民和客户可能会看到这样的东西，但无法辨别它是深度伪造的？如果要清理的话，会有多少混乱？这会让我失去一份演出或一段友谊，或者伤害我所关心的人的感情吗？

我一直喜欢新技术。自从我在木船和铁程序员时代写了一篇关于人工智能社会影响的最早的学术论文以来，我就对人工智能着迷。

但我开始更好地理解勒德分子（19 世纪反对使用自动化机械的纺织工人）的感受。

尽管生成式人工智能给我留下了深刻的印象，而且我个人也发现它很有用，但如此先进的能力，仅仅是不久的将来更先进的预兆，好吧，它们让我感到害怕。

当然，还有垃圾邮件的一面。该算法越来越多地向我展示有关我感兴趣的主题的狭窄 YouTube 视频，但在观看后才发现它们显然是人工智能生成的。这些视频的泛滥不仅对真实的人类创作者造成了不公平的竞争，而且浪费了观众的时间。更糟糕的是，他们正在赶走真正的专家，否则他们可能会制作有关这些主题的视频。

人体BS探测器的威力

但事情是这样的。当这些人工智能生成的视频首次发布时，有时可能不清楚它们是否真实。但大约一年后，现在人们就可以立即清楚什么是人工智能垃圾，什么是人类精心制作的。

您甚至可以通过收听我提供的两个示例播客来判断。第一个让我震惊不已。第二个非常非常好。但仔细听一听，就会发现其中存在一种非常明显的模式。我们人类大部分或一生都生活在激烈的媒体环境中，拥有微调的 BS 探测器。给我们几年的时间，我们将能够看透最好的生成人工智能。

最大的问题是支付创作者费用的人是否会关心。我想他们会的。毫无疑问，杰森·珀洛（Jason Perlow）以他自己的深刻视角撰写技术文章。他所写的大部分内容都是我们都非常了解的领域。

但我一定要读他的东西，因为我总是从他独特的角度学习。我不认为人工智能可以克隆这一点，这就是为什么他拥有如此众多的真人追随者，他们珍视他独特的声音并期待他制作的每一个新作品。

因此，虽然一些出版商和媒体聚合商总是会寻求廉价的解决方案，但它们都会开始融合在一起，特别是当人工智能算法开始基于通用的（如果是巨大的）训练数据块时。但是，ZDNET 拥有像 Jason 和我这样经验丰富的作家，以及我们无所畏惧的编辑，将始终重视只有我们才能带来的独特性、人性和视角深度，而这也赋予了 ZDNET 自己独特的特色。在其他顶级科技网站中的身份。

这不是人工智能能做到的事情，而且可能永远也做不到。