Googles AI-podcast-verktøy forvandler teksten din til utrolig naturtro lyd - gratis

Jeg har studert AI i årevis, og Googles nye og merkelig skjulte AI-podcast-verktøy forbløffer meg fortsatt. Seriøst, du må høre dette for å tro det. Men mennesker vil slå maskinene til slutt. Her er hvorfor.

Jeg er slett ikke religiøs, men da jeg oppdaget dette verktøyet, ville jeg skrike: "Dette er djevelens verk!"

Da jeg spilte lyden som er inkludert nedenfor for deg til redaktøren min, slo hun tilbake: "HVA SLAGS Trolldom ER DETTE?" Jeg har jobbet med henne i 10 år, i løpet av den tiden har vi slengt frem og tilbake omtrent hver dag, og det er de første all-capsene jeg noen gang har sett fra henne.

Senere delte hun med meg: "Dette er 100 % det mest skremmende jeg har sett så langt i det generative AI-løpet."

Hvis du i det hele tatt er interessert i kunstig intelligens, kan det jeg har funnet ryste deg like mye som det gjorde oss. Vi kan være i et vannskille.

I denne artikkelen skal jeg demonstrere en tjeneste som tilbys av Google. Vennligst bruk noen minutter til å lytte til i det minste litt av de to lydklippene jeg skal dele. Jeg skal vise deg hvordan de ble laget og hvordan du kan lage dine egne. Så skal vi dykke inn i implikasjonene på jordskjelvnivå.

Til slutt, vær så snill å bli med meg i kommentarene nedenfor for å snakke om dette. Jeg tror vi alle må gjøre noen prosesser om hva dette betyr.

Demonstrasjonen

Det du skal høre er en podcastdiskusjon om en av mine nylige artikler.

Alt jeg gjorde var å lime inn teksten i artikkelen min om den for ekte VR-konverteringen av 2D-bilder til 3D i Googles NotebookLM-tjeneste og klikk Generer.

La meg være helt klar: «folket» i sendingen er ikke ekte. Lyden er helt AI-generert.

For å fullt ut forstå implikasjonene av denne teknologien, er det verdt å bruke noen minutter på å lese den originale artikkelen min og deretter lytte til minst ett minutt av det seks minutter lange lydsporet.

• Originalartikkel: Jeg trodde denne nye VisionOS 2-funksjonen bare var en gimmick - helt til den fikk meg til å gråte inn i Vision Pro
• AI-generert lydspor: Klikk her for å lytte

Fortsett, jeg venter.

Her er noen ting du bør legge merke til:

• Kvaliteten på de to personene som snakker når det gjelder både stemmetroskap og naturlighet
• Bruken av passende samtalespråk som "vannverk" for å beskrive tårer og gråt
• Den helt organiske karakteren til småpraten deres og det faktum at det til og med var snakk
• Hvor godt de "menneskelige" foredragsholderne forstår konseptene i artikkelen, inkludert de emosjonelle aspektene ved å gjenoppleve gamle minner
• Alt i alt, hvor ekte dette høres ut, fra intro til body til outro, det er umulig å skille fra en ekte sending

La oss deretter ta et øyeblikk for å se på hvordan dette ble generert.

Hva er NotebookLM?

NotebookLM er en slags krysning mellom Google Keep og AI i Notion.

Hoveddatastrukturen i NotebookLM er notatboken, som inneholder alle dine "notater" om et gitt prosjekt. Notater, kalt "kilder" i NotebookLM, kan være tekst du skriver inn i NotebookLM, som ligner på Keep. Men de kan også være PDF-er, Google Docs eller Slides, innlimt tekst, lydfiler, YouTube-koblinger og nettadresser.

NotebookLM virker noe masete med tanke på formatet til kildene, for da jeg limte inn URL-en til artikkelen min, kunne den ikke lese den. Jeg måtte kopiere teksten og lime den inn. Jeg fant også en PDF den ikke kunne lese selv om PDF-en ikke virket låst eller begrenset.

Når du har alle kildene dine i en notatbok, kan du be NotebookLMs AI om å gjøre AI-ting med dataene. Du kan få et sammendrag. Du kan be den trekke ut hovedpunkter. Du kan be om en disposisjon, og så videre. AI-handlingene bruker bare kildedataene som er gitt i en gitt notatbok, på samme måte som Notions AI fungerer bare på dataene som er lastet opp til din egen Notion-konto.

Den store overraskelsesfunksjonen, den jeg snakker om her i denne artikkelen, er Generer-knappen, som genererer den realistiske småpraten mellom de to podcastvertene du hørte i demoen.

Akkurat nå er NotebookLM beta og gratis.

Lag din egen lyd (og en andre demo)

La oss lage nok en forbløffende podcast-diskusjon. Denne gangen vil vi bruke Jason Perlows fascinerende artikkel om Intels fall som vår kilde.

Pek først nettleseren til NotebookLM. Du må være logget på Google-kontoen din. Når du er logget på, vil du se en liste over notatblokker. Dette skjermbildet viser bare min første test, demoen jeg viste ovenfor, pluss noen eksempler på notatbøker fra Google.

Ved å klikke på Ny notatbok kommer vi til skjermbildet Legg til kilder.

Fordi jeg tidligere fant ut at den ikke behandlet lenker til ZDNET-artikler riktig, gikk jeg bare ned til nedre høyre hjørne og klikket på Lim inn tekst. Så, etter å ha klippet teksten fra Jasons artikkel, limte jeg den inn i dataregistreringsfeltet.

Etter noen sekunder åpner NotebookLM det den kaller Notebook Guide, et sammendrag av kilder og forslag.

Til høyre er delen Audio Overview. Bare klikk på Generer. Dette tar noen minutter å generere en ny podcast. Her er hva vi fikk tilbake denne gangen.

• Originalartikkel: The fall of Intel: How gen AI bidro til å detronisere en gigant og transformere databehandling slik vi kjenner den
• AI-generert lydspor: Klikk her for å lytte

Hvis du vil eksportere filen, kan du klikke på menyen med tre prikker og velge last ned. Nettstedet laster ned en WAV-fil, selv om du må legge til .WAV-utvidelsen. Og det er det.

En rask merknad: Omtrent fire minutter etter er det en liten feil. Mannstemmen gjentar en setning. Jeg har selv gjort samme feilen i nettsendinger og sendinger, men likevel.

De svimlende implikasjonene

Først, la oss ta et øyeblikk til å sette pris på hvor utrolige resultatene er. Disse to opptakene demonstrerer en dybde av forståelse, evnen til å skrive en chattende dialog som er relevant, og evnen til å legge til ny informasjon som er kulturelt relevant og til og med sensitiv. Og det er alt før vi kommer til kvaliteten på stemmene og til og med vokaltonene.

Personlig følte jeg dette først som et mageslag. Som bokforfatter er evnen til å «gi god radio» essensielt når man gjør bokkampanjer og bokturer. Jeg har finpusset ferdighetene mine i mer enn 15 år, svettet ut for hver opptreden, og jeg er fortsatt ikke like god som disse to falske kringkasterne.

Ja, de brukte artikkelen min (og senere Jasons) som mat for diskusjonen deres. Men produksjon av denne kvaliteten grenser til å få skapere og innholdsprodusenter som meg til å begynne å føle varmen. NotebookLM hadde ingen andre alternativer enn å øke hastigheten på talehastigheten. Tenk deg nå om du kunne velge høyttalerne, stilene og kanskje redigere litt av det AI-genererte skriptet.

Så er det hele spørsmålet om hva som er ekte. Forrige uke viste jeg deg hvordan Vision Pro fikk et 20 år gammelt øyeblikksbilde av katten min til å se ekte ut foran øynene mine. Nå viser jeg deg hvordan en bitte liten funksjon i hjørnet av et Google notatbok-eksperiment kan utgjøre to fullstendig fabrikkerte høyttalere som ikke kan skilles fra mennesker.

I årevis har vi hatt muligheten til å forvrenge virkeligheten i Photoshop og andre redigeringsverktøy. Filmskapere har brukt spesialeffekter for å skape falsk virkelighet i historiefortelling. Selv det å ta et bilde på film endrer virkeligheten litt.

Det bildet av katten min var en 1/250-del av et sekunds øyeblikksbilde av virkeligheten hennes, og du kunne bare se hva kameraet så, og hvordan fremkallingsprosessen (som fortsatt var film) reagerte på lyset i filmens emulsjon.

Så det er ikke det at vi plutselig er i stand til å fake ekte. Det er at vi er i stand til å utvide det falske lenger inn i virkeligheten. Et øyeblikksbilde av en katt er annerledes enn å se henne, som om hun var ekte, rett foran deg. Et datagenerert skript er langt forskjellig fra å høre to kringkastingseksperter ha en dynamisk diskusjon om et emne av interesse.

Det er også spørsmålet om kostnad og hastighet. For å være klar, kostet det Google milliarder av dollar å gjøre artikkelen min om til en podcast. Men det kostet meg ingenting. Det tok også øyeblikk. Det er en enorm reduksjon i adgangsbarrieren til innholdsproduksjon.

Det er også bekymringsfullt at noen selskaper velger å bruke AI-generert innhold i stedet for å ansette fagfolk som meg og Jason til å gjøre det. Jeg har jobbet med denne artikkelen i to dager, fordi jeg har prøvd å finne akkurat den rette måten å fortelle denne historien på.

Men da jeg matet oppfordringen "skriv en artikkel om den forbløffende evnen til Googles NotebookLM til å lage en lydpodcast og implikasjonene av den" inn i ChatGPT, fikk jeg en ganske veloverveid artikkel tilbake på mindre enn ett minutt.

Artikkelen min er tydelig dypere og mer fullstendig, og trekker frem nyansene i min personlige stil, så vel som mine erfaringer og valg. Men den ChatGPT-genererte versjonen er ikke dårlig. Den skrev detaljerte tanker om disse fem temaene:

1. Demokratisering av innholdsskaping
2. Transformasjon av utdanning og kunnskapsdeling
3. Innvirkning på den kreative industrien
4. Nye etiske spørsmål
5. Endre økonomien til podcasting

Det er imponerende for et minutts arbeid.

Googles NotebookLM fikk meg til å tenke på hva slags tjenester dette kan varsle. Jeg lager mange YouTube-videoer, og for å være ærlig, løper jeg etter. Kan jeg en dag få noe sånt som denne Generer-funksjonen til å lage talking head-delen av en YouTube-video, slik at det ser ut som om jeg gir ytelsen?

På den ene siden kan det spare meg massevis av tid og gi meg en sjanse til å ta igjen etterslepet. Men på den annen side, hellig skumle Batman! Vil jeg ha et simulacrum av meg som løper rundt, sier herregud vet hva, og støtter oppfatninger jeg kan være uenig i eller til og med synes er avskyelig? Eller hva om AI selv hallusinerer, ignorerer eller feiltolker autovernet og spyr ut noe dypt upassende? Det er ikke slik at det aldri har skjedd før.

Hvor mange venner, velgere og klienter kan se noe slikt og ikke være i stand til å fortelle at det var en dyp forfalskning? Hvor mye rot ville det være å rydde opp? Ville det kostet meg en spillejobb eller et vennskap, eller ville det såre følelsene til noen jeg bryr meg om?

Jeg har alltid elsket ny teknologi. Jeg har vært fascinert av AI siden jeg skrev en av de aller tidligste akademiske artikler om de samfunnsmessige implikasjonene av AI, tilbake i dagene med treskip og jernprogrammerere.

Men jeg begynner å få en bedre forståelse av hvordan luddittene, de tekstilarbeiderne fra 1800-tallet som motsatte seg bruken av automatiseringsmaskineri, må ha følt det.

Like imponert som jeg er av generativ kunstig intelligens, og like fordelaktig som jeg personlig har funnet det, disse avanserte egenskapene, som bare er varsler om en langt mer avansert nær fremtid, vel, de skremmer meg.

Selvfølgelig er det spam-siden av ligningen. Algoritmen presenterer meg mer og mer smalt fokuserte YouTube-videoer om emner som interesserer meg, bare for å finne ut etter å ha sett dem at de tydeligvis er AI-generert. Ikke bare skaper flommen av disse videoene urettferdig konkurranse til ekte menneskelige skapere, men de kaster bort seernes tid. Enda verre, de skyver ut de virkelige ekspertene som ellers kan produsere videoer om disse emnene.

Kraften til den menneskelige BS-detektoren

Men her er saken. Da de AI-genererte videoene først kom ut, kunne det noen ganger være uklart om de var ekte eller ikke. Men etter et år eller så er det nå umiddelbart åpenbart hva som er AI-søppel og hva som er kjærlig laget av et menneske.

Du kan til og med fortelle det ved å lytte til de to prøvepodcastene jeg har levert. Den første rystet meg til kjernen. Og den andre er veldig, veldig bra. Men hør på den ene etter den andre, og det er tydelig at det er et mønster. Vi mennesker som har levd det meste eller hele livet i et intenst mediemiljø har finjusterte BS-detektorer. Gi oss noen år med disse tingene, og vi vil kunne se gjennom selv det beste av generert AI.

Det store spørsmålet er om de som betaler skapere vil bry seg. Jeg tror de vil. Det er ingen tvil om at Jason Perlow, for eksempel, skriver teknologiartikler med sitt eget dype perspektiv. Mye av det han skriver om er felt vi begge kan mye om.

Men jeg passer på å lese tingene hans, for jeg lærer alltid fra hans unike perspektiv. Jeg tror ikke det kan klones av en AI, og det er derfor han har en så sterk tilhengerskare av ekte mennesker som verdsetter hans unike stemme og ser frem til hvert nytt stykke han produserer.

Så selv om noen utgivere og medieaggregatorer alltid vil gå for de billige løsningene, vil de alle begynne å blande seg sammen, spesielt ettersom AI-algoritmer begynner å engasjere seg basert på en felles, om enn enorm, blokk med treningsdata. Men ZDNET, med unikt erfarne forfattere som Jason og meg, og våre fryktløse redaktører, vil alltid verdsette det unike, menneskelige og dybden av perspektivet som bare vi bringer - og som i forlengelsen gir ZDNET sitt eget unike identitet blant andre toppteknologiske nettsteder.

Det er ikke noe AI kan gjøre, og sannsynligvis aldri vil kunne.

Hva synes du? Er du like bekymret som meg? Syntes du disse demoene var imponerende? Har du prøvd ut NotebookLM selv? Gi oss beskjed i kommentarene nedenfor.