在今年三月，Suno V3 的横空出世，如 AI 圈的一声春雷。那时，复苏的不只有世间万物，还有在“人人都是音乐家”的口号下，大众对生成式 AI 的热情。
一石激起千层浪。在这场生产端，既有抢占先机快速套壳 Suno 的，又有加紧开发自研模型的，一时间诞生了上百款 AI 音乐生成产品；而在消费端更是狂热，数十万人涌进网易云音乐、QQ 音乐等平台注册成为“音乐人”，乐此不疲地创作与发布。
在社交媒体上可以轻松看到这些帖子：“这套工作流，批量生产优质 AI 歌曲”，“秒过音乐人申请教程”，“分享我用 AI 音乐薅来的创作中收益”...
诚然，AI 生成的音乐质量还远达不到“如听仙乐耳暂明”的程度。甚至还有些内容过剩，供过于求之下，听多了反而觉得厌烦。
但不得不承认的是，AI 生成的音乐质量是高于大众普遍水平的，不可忽视其在部分场景下的应用价值和创造性价值。
面对来势汹汹的 AI 音乐，网易云，QQ音乐等平台选择积极应对，对此专门开放了 AI 音乐专区。
这一年多来，AI 的熊熊烈火从文字，图片蔓延到视频，音乐...
而现在，轮到了播客。
用 AI 来做播客的探索近年来一直都有，但最近大家的热情，被谷歌一款产品的新功能再次点燃。
NotebookLM，一款上线于 2023 年 9 月的 AI 笔记产品，因其最新的的文本生成播客功能而走红。
这不是简单的 TTS（文本生成音频），而是能将你上传的任何资料，都转换成轻松愉快的双人对话播客，并且效果非常逼真。
Andrej Karpathy 大佬认为 NotebookLM 是非常引人注目的产品形态，甚至有当年 ChatGPT 的几分英姿。墨问西东的创始人老池也表示 NoteBookLM 是新一代的笔记产品，AI 生成的内容质量非常不错。
其实，谷歌之前还做了一个 Illuminate，能用 AI 将学术论文/书籍转换成通俗易懂的播客形式，并在计算机科学领域做了一定优化。
该产品最早亮相于今年五月的 Google I/O 大会，现在已支持公开访问。
https://illuminate.google.com/home
自定义生成功能还需要申请，不过通过还挺快的。
犹记得当年没毕业，读那些难啃的人工智能领域论文还是跟着李沐老师，现在的学生，依靠两位配合默契的 AI 老师，就能把要点娓娓道来了。
AI 播客在国内没有大范围爆发的一个原因，就是没有类似的中文版产品，但这只是时间问题。
特工宇宙在几个月前也尝试开发 Agent 实现类似的效果，整体流程并不复杂，但想要达到稳定逼真的效果需要一些工程上的优化手段。
大致实现思路：将文件中的纯文本提取后输入到大模型，大模型进行分段处理并结构化输出，然后分别用 TTS 最后再合成。
其中关键的三部分包括：
1. 提示词技巧，需要将输入的文本转化成既具可读性和专业性的双人对话内容，这关系着内容整体价值，控制不好会容易导致内容泛泛而谈或过于生硬。
2. 底层模型的能力，包括指令遵循和结构化输出的能力，如果没有严格按照 JSON 格式输出，会直接导致无法合成语音。
3. 语音合成技术，TTS 的效果会直接影响最终的用户体验，只有选用效果逼真的中文模型才会让人有听下去的欲望。
