2024-10-04 10:24:14

陈沛/文谷歌的AI笔记产品NotebookLM最近新增了处理音频视频文件的功能。随后，这次产品更新获得了前OpenAI创始团队成员Andrej Karpathy关注，认为它给人一种当年ChatGPT出现的相似感，可能会开启新的AI模型产品形态。

NotebookLM的实际体验更适合科研学习场景

NotebookLM是谷歌实验室（Google Labs）此前已经推出的AI笔记产品。主要功能是用户上传PDF等格式的文档，或者直接输入谷歌在线文档、在线幻灯片、网页等网址，然后通过AI进行内容总结。用户可以自行提问，让AI针对上传的文档或输入的在线文档内容进行回答。

而这次最新更新是增加了多模态输入功能。用户在以上输入功能的基础上，现在可以上传MP3音频文件，或者直接输入YouTube在线视频的网址。

在输出方面，NotebookLM的主要亮点是可以把输入文档直接输出成两人对话聊天的音频文件，目前仅支持英语音频。此外，NotebookLM还提供了常见的AI内容总结模板，例如摘要、学习指南、简报、知识问答等，同时继续支持用户自行提问。

因此，从我实际使用体验来看，NotebookLM更适合的是科研学习场景。例如学生可以上传上课录音快速总结知识点、研究者可以把论文转成听书文件对外宣传、老师可以根据在线教学视频生成知识点和考题等。

NoteBookLM的多模态新功能其实并非首创

NoteBookLM这次更新的多模态新功能其实并非首次出现。在谷歌实验室的其它产品中已经出现过YouTube在线视频总结功能，而不久前的Google Illuminate产品也发布过将PDF学术文档转成两人对话音频文件的功能。

特别是在NoteBookLM此次更新多模态功能后不久，新加坡政府科技局（GovTech）的Gabriel Chua很快在HuggingFace上推出了开源版Open NoteBookLM，使用了开源模型Llama 3.1-405B和文本转语音框架MeloTTS，实现了将PDF转成对话音频文件的核心功能，而且在生成音频的语言风格和时长方面提供了更多选项，且能够支持中、英、法、日、韩、意等多种语言。

尽管在我实际使用开源版Open NoteBookLM的过程中，发现它的生成结果并没有谷歌NoteBookLM那么稳定，且排队等待时间长达5至10分钟。但Open NoteBookLM的快速出现至少可以佐证，多模态新功能是很快能被开源界所追上的。

NoteBookLM启示了AI应用的新路线

既然在功能层面的独创性不足，那为什么NoteBookLM这次更新还会引发诸多业界关注，甚至与当年ChatGPT的出现相提并论？这或许是因为NoteBookLM可能会启发AI应用的新路线。

自从ChatGPT出现以来，后续多数生成式AI都以聊天作为主要的产品形式。久而久之，这种对话问答形式出现的信息引用来源不准、生成内容“AI味太重”、问答结果难以核实等问题，也开始影响用户体验。

而NoteBookLM自一开始的定位就是AI笔记产品，由用户提供想进一步了解的知识来源，NoteBookLM回归AI助手的角色，甚至不需要用户漫无目的地聊天输入，就能准确高效地整理和组织各种形式的知识内容。

在这种路线下，AI产品的关注点不仅是为了和用户进行自然对话，而是聚焦对知识条理的组织和整理，甚至是不同模态知识的任意转换，有可能成为新的AI模型产品主流形态。