谷歌AI播客刚火，Meta就开源了平替，效果一言难尽
文章摘要
【关 键 词】 AI播客、谷歌NotebookLM、Meta开源、文本转语音、技术竞争
谷歌和Meta两大科技巨头近日在AI播客领域动作频频，引发业界关注。上个月，谷歌宣布对其AI笔记应用NotebookLM进行重大更新，新增了生成YouTube视频和音频文件摘要、创建可共享AI生成音频讨论等功能，进一步扩大了NotebookLM的应用场景。
本月初，AI领域知名人士Karpathy使用NotebookLM，仅用2小时就创建了一个10集的播客系列”历史谜团”，他将维基百科上的相关条目链接起来，利用NotebookLM生成播客视频和博客/剧集描述。
紧接着，Meta推出了NotebookLM的开源替代品NotebookLlama，使用Llama模型处理大部分任务。NotebookLlama的运行流程包括：从文件创建转录文本，添加戏剧化和中断，然后将转录文本输入到开放的文本到语音模型。
不过，NotebookLlama的效果还有待提升。据外媒Techcrunch报道，其听起来有明显机器人口音，有时会在奇怪时刻”自言自语”。Meta研究人员表示，使用更强大的模型可以提高质量。他们在GitHub页面上指出，文本到语音模型限制了声音的自然程度。
尽管如此，一些网友认为，NotebookLlama的开源代码让用户可以自定义尝试不同的提示方法等，未来有望变得更好。有人直言，现在是时候让谷歌加快步伐，Meta已经紧随其后。
Meta发布的教程显示，用户可以基于PDF文件构建播客。整个流程包括：预处理PDF、编写播客转录文本、优化内容添加戏剧性、文本到语音生成播客。需要注意的是，不同步骤需要使用不同大小的Llama模型，并在最后切换transformer版本。
项目未来改进的方向包括：纳入更好的TTS模型、更好的提示、支持提取网站、音频文件、YouTube链接等。要顺畅运行该项目，需要有GPU服务器或使用Llama模型的API提供商。
原文和模型
【原文链接】 阅读原文 [ 1570字 | 7分钟 ]
【原文作者】 机器之心
【摘要模型】 moonshot-v1-32k
【摘要评分】 ★★★☆☆
