智东西
作者 | 陈骏达
编辑 | 心缘
智东西6月17日报道,今天,豆包电脑版和网页版全量上线了AI播客功能。用户上传PDF或网页链接后,可一键生成双人对话的播客节目。
上线后,智东西第一时间对豆包AI播客功能进行了体验。实测中,豆包能将8万词英文文档在3秒内生成为播客节目,用户可在对话界面收听播客,收听的同时,豆包会并行生成后续内容。
豆包交付的AI播客节目以男女双人对谈的形式进行,能对用户上传的网页、文件等进行深度改造,使其更适合听众消费。
AI播客对谈的节奏流畅自然,还会有大量的语气词、附和、停顿,这很好地模拟了真人博客中的口语习惯,有效提升了拟人程度。智东西还了解到,这两个声音是由字节与专业播客创作者联手打造的。
不过,在实测中,我们也发现了豆包AI播客当前存在的部分问题。例如,其生成节目的信息密度并不高,且含有大量重复的句式和语气词,在长时间收听后,用户可能会觉得有些单调。
日前,智东西曾与字节跳动语音中台负责人郑炜明进行交流,他向智东西透露,未来,豆包AI播客的收听体验会进一步丰富,不会只有简单的承接,还能有观点的交流与碰撞。团队已经在开发不同风格的音色,探索音色克隆、风格定制等功能,语种范围也会扩展至中文之外。
先前,豆包·AI播客模型已在字节旗下的AI Agent平台扣子空间上线,并支持一句话生成播客的功能,可自主查找相关话题,输出播客。
一、8万词PDF文件秒出播客,还能自主给节目“划重点”
豆包AI播客功能的入口放在了输入框下方,点击进入后,会跳转出两个选项。用户既可上传文件,也可将网页发送给豆包。不过,目前豆包AI播客仅支持PDF文件的上传。
首先来听听生成效果。智东西将一份8万余词、共140页的起诉书上传给豆包,在花费数秒钟解析文件后,豆包立刻返回了可供收听播客的播放器和一张播客封面图,完整生成一档播客的时间大约在1-2分钟,用户可以边听边等,不影响收听体验。
实测多个案例后,智东西发现豆包生成的AI播客基本遵循了一个特定的模式——女主持人负责控制播客的节奏、提问等,男主持人负责主要内容的讲述。
豆包AI播客所生成的节目的语言风格较为口语化,在收听过程中完全感受不到原文件中正式甚至有些拗口的表达。尽管智东西上传的是一份英文文件,也没有明显的翻译腔。
具体的收听体验层面,可以听到AI主播们会通过调整语速等方式来强调重点信息。
也会使用一些语气词和包含情感的评价,这加强了播客的“真人感”。
在网页转播客场景,豆包AI播客能交付不错的结果,不会受到网页上无关信息的影响,基本可以准确反映网页主要内容。
在智东西先前参与的内测中,豆包还会在网页地址栏右侧提供“网页播客”的入口,不过在公测版本中,这一功能尚未上线。
二、可定制性、信息密度仍有提升空间,未来或扩展多人对谈、单口播客
目前豆包AI播客功能的提示词是固定的,用户无法给出播客制作的更具体建议,在可定制化程度上还有些提升空间。系统提示词很简单,就是“生成播客”。
用户暂时也无法直接导出豆包AI播客的生成结果。有需要下载播客的用户可以移步“扣子空间”进行体验,在这一应用中,豆包AI播客及其封面都可导出,还能看到具体的逐字稿。
智东西用不同长度的文本测试了豆包生成的AI播客时长。最终,其生成的节目最长不会超过10分钟,大多集中在5分钟左右。这导致了一些问题:当用户上传高信息量长文档时,可能会被过度压缩和省略;上传简短的内容时,豆包也会煞有介事的讲上两三分钟。
在第一部分的测试案例中,长文档中后半部分内容便被完全省略了。在下方案例中,智东西将一篇数百字的快讯发送给了豆包,由于原本的信息量不大,最终其生成结果也略显单薄。大量语气词、口语化表述和模式化问答的存在,导致信息密度有待提高。
▲快讯原文
此外,豆包中提供的AI播客功能并不能对材料中的已有话题进行补充,提供背景信息,这可能导致播客在内容深度和广度方面有所欠缺。
结语:AI播客已成热门赛道
近期,AI播客已经成为业内一条相对小众、但获得诸多企业押注的赛道。除了字节的豆包AI播客之外,前段时间,国内头部播客平台小宇宙已经利用MiniMax的语音技术,内测了外语播客一键转中文收听功能。海外的谷歌NotebookLM生成播客功能更是收获一批忠实用户。