Google-ის AI პოდკასტის ხელსაწყო გარდაქმნის თქვენს ტექსტს განსაცვიფრებლად რეალურ აუდიოდ - უფასოდ

მე წლების განმავლობაში ვსწავლობ AI-ს და Google-ის ახალი და უცნაურად დამალული AI პოდკასტის ინსტრუმენტი კვლავ მაოცებს. სერიოზულად, ამის დასაჯერებლად უნდა გესმოდეთ. მაგრამ ადამიანები საბოლოოდ დაამარცხებენ მანქანებს. აი რატომ.

მე სულაც არ ვარ რელიგიური, მაგრამ როდესაც აღმოვაჩინე ეს ინსტრუმენტი, მინდოდა მეყვირა: "ეს ეშმაკის საქმეა!"

როცა ჩემს რედაქტორს ვუკრავ შენთვის ქვემოთ მოყვანილი აუდიო, მან თავი დააღწია: "რა სახის ჯადოქრობაა ეს?" მე მასთან 10 წელი ვმუშაობდი, ამ დროის განმავლობაში ჩვენ თითქმის ყოველდღე ვცდილობდით წინ და უკან, და ეს არის პირველი ყველა კაპიტალი, რომელიც ოდესმე მინახავს მისგან.

მოგვიანებით მან გამიზიარა: "ეს არის 100% ყველაზე საშინელი რამ, რაც აქამდე მინახავს ხელოვნური ხელოვნური ინტელექტის რბოლაში."

თუ თქვენ საერთოდ გაინტერესებთ ხელოვნური ინტელექტი, ის, რაც მე აღმოვაჩინე, შეიძლება შეგაწუხოთ ისევე, როგორც ჩვენ. შეიძლება წყალგამყოფ მომენტში ვიყოთ.

ამ სტატიაში მე გაჩვენებთ Google-ის მიერ შემოთავაზებულ სერვისს. გთხოვთ, დაუთმოთ რამდენიმე წუთი იმ ორი აუდიო კლიპის მოსმენას, რომელსაც ვაპირებ გაზიარებას. მე გაჩვენებთ როგორ შეიქმნა ისინი და როგორ გააკეთოთ საკუთარი. შემდეგ ჩვენ ჩავუღრმავდებით მიწისძვრის დონის შედეგებს.

და ბოლოს, გთხოვთ შემომიერთდით ქვემოთ მოცემულ კომენტარებში, რომ ვისაუბროთ ამაზე. მე ვფიქრობ, რომ ჩვენ ყველას გვჭირდება გარკვეული დამუშავება იმის შესახებ, თუ რას ნიშნავს ეს.

დემონსტრაცია

ის, რასაც თქვენ მოისმენთ, არის პოდკასტის დისკუსია ჩემი ერთ-ერთი ბოლო სტატიის შესახებ.

მე მხოლოდ ჩემი სტატიის ტექსტის ჩასმა იყო 2D სურათების ძალიან რეალური VR კონვერტაციის შესახებ 3D-ად Google-ის NotebookLM სერვისში და დააწკაპუნეთ გენერირებაზე.

ნება მომეცით მკაფიოდ განვაცხადო: გადაცემის "ხალხი" რეალური არ არის. აუდიო მთლიანად AI-ით არის გენერირებული.

ამ ტექნოლოგიის შედეგების სრულად შესაფასებლად, ღირს რამდენიმე წუთის დახარჯვა ჩემი ორიგინალური სტატიის წაკითხვაზე და შემდეგ ექვსწუთიანი აუდიო ჩანაწერის მინიმუმ ერთი წუთის მოსმენა.

• ორიგინალური სტატია: მე მეგონა, რომ VisionOS 2-ის ეს ახალი ფუნქცია უბრალოდ ხრიკი იყო - მანამ, სანამ არ ტირილი არ მომიწია ჩემს Vision Pro-ზე
• AI-ის მიერ გენერირებული აუდიო ჩანაწერი: დააწკაპუნეთ აქ მოსასმენად

წადი, მე დაველოდები.

აქ არის რამდენიმე რამ, რაც უნდა აღინიშნოს:

• ორი ადამიანის საუბრის ხარისხი მათი ხმის ერთგულების და ბუნებრიობის თვალსაზრისით
• ცრემლებისა და ტირილის აღწერისთვის შესაბამისი კოლოკვიალიზმის გამოყენება, როგორიცაა „წყალი მუშაობს“
• მათი ხუმრობის სრულიად ორგანული ბუნება და ის ფაქტი, რომ იყო კიდეც
• რამდენად კარგად იგებენ „ადამიანის“ მომხსენებლები სტატიაში მოცემულ ცნებებს, მათ შორის ძველი მოგონებების გაცოცხლების ემოციურ ასპექტებს
• მთლიანობაში, რამდენად რეალურად ჟღერს ეს, შესავლიდან სხეულამდე გარედან, ის არ განსხვავდება რეალური მაუწყებლობისგან

შემდეგი, მოდით, ერთი წუთით გადავხედოთ როგორ შეიქმნა ეს.

რა არის NotebookLM?

NotebookLM არის ერთგვარი ჯვარი Google Keep-სა და AI-ს შორის Notion-ში.

NotebookLM-ში მონაცემთა ძირითადი სტრუქტურა არის ნოუთბუქი, რომელიც შეიცავს ყველა თქვენს „შენიშვნას“ მოცემული პროექტის შესახებ. შენიშვნები, რომლებსაც NotebookLM-ში „sources“ ეწოდება, შეიძლება იყოს ტექსტი, რომელსაც აკრიფებთ NotebookLM-ში, Keep-ის მსგავსი. მაგრამ ისინი ასევე შეიძლება იყოს PDF, Google Docs ან Slides, ჩასმული ტექსტი, აუდიო ფაილები, YouTube ბმულები და ვებ-მისამართები.

NotebookLM, როგორც ჩანს, გარკვეულწილად საკამათოა წყაროების ფორმატთან დაკავშირებით, რადგან როცა ჩემი სტატიის URL დავდე, მან ვერ წაიკითხა. მე მომიწია ტექსტის კოპირება და ჩასმა. ასევე ვიპოვე PDF, რომლის წაკითხვაც შეუძლებელია, მიუხედავად იმისა, რომ PDF არ ჩანდა დაბლოკილი ან შეზღუდული.

მას შემდეგ, რაც ყველა თქვენი წყარო ბლოკნოტში გაქვთ, შეგიძლიათ სთხოვოთ NotebookLM-ის AI-ს, რომ შეასრულოს AI საქმეები მონაცემებით. შეგიძლიათ მიიღოთ რეზიუმე. შეგიძლიათ სთხოვოთ მას ძირითადი პუნქტების ამოღება. შეგიძლიათ სთხოვოთ მას მონახაზი და ა.შ. ხელოვნური ინტელექტის მოქმედებები იყენებს მხოლოდ მოცემულ ნოუთბუქში მოწოდებულ წყაროს მონაცემებს, ისევე როგორც Notion-ის AI მუშაობს მხოლოდ თქვენს საკუთარ Notion ანგარიშში ატვირთულ მონაცემებზე.

დიდი სიურპრიზის ფუნქცია, რომლის შესახებაც აქ ამ სტატიაში ვსაუბრობ, არის ღილაკი გენერირება, რომელიც წარმოშობს რეალისტურ ხუმრობას პოდკასტის ორ ჰოსტს შორის, რომლებიც მოისმინეთ დემო ვერსიაში.

ამჟამად NotebookLM არის ბეტა და უფასო.

საკუთარი აუდიოს შექმნა (და მეორე დემო)

მოდით შევქმნათ კიდევ ერთი გასაოცარი პოდკასტის დისკუსია. ამჯერად, ჩვენ გამოვიყენებთ ჯეისონ პერლოუს მომხიბლავ სტატიას Intel-ის დაცემის შესახებ.

პირველ რიგში, მიუთითეთ თქვენი ბრაუზერი NotebookLM-ზე. თქვენ უნდა შეხვიდეთ თქვენს Google ანგარიშში. მას შემდეგ რაც შესული ხართ, ნახავთ ნოუთბუქების სიას. ეს სკრინშოტი გვიჩვენებს მხოლოდ ჩემს პირველ ტესტს, დემო ვერსიას, რომელიც მე ვაჩვენე ზემოთ, პლუს რამდენიმე ნოუთბუქის ნიმუში, რომელსაც Google გთავაზობთ.

ახალ ნოუთბუქზე დაწკაპუნება მიგვიყვანს წყაროების დამატების ეკრანზე.

იმის გამო, რომ ადრე აღმოვაჩინე, რომ არ ამუშავებდა ZDNET-ის სტატიების ბმულებს სწორად, უბრალოდ ჩავედი ქვედა მარჯვენა კუთხეში და დავაწკაპუნე ტექსტის ჩასმა. შემდეგ, ჯეისონის სტატიიდან უკვე ამოჭრილი ტექსტი, ჩასვით მონაცემთა შეყვანის ველში.

რამდენიმე წამის შემდეგ, NotebookLM ხსნის, რასაც უწოდებს Notebook Guide-ს, წყაროებისა და წინადადებების შეჯამებას.

მარჯვნივ არის აუდიო მიმოხილვის განყოფილება. უბრალოდ დააჭირეთ გენერირებას. ამას რამდენიმე წუთი სჭირდება ახალი პოდკასტის გენერირებას. აი, რა დავბრუნდით ამჯერად.

• ორიგინალური სტატია: Intel-ის დაცემა: როგორ დაეხმარა AI-ს გენდერმა გიგანტის ტახტიდან ჩამოგდება და კომპიუტერის გადაქცევა, როგორც ჩვენ ვიცით
• AI-ის მიერ გენერირებული აუდიო ჩანაწერი: დააწკაპუნეთ აქ მოსასმენად

თუ გსურთ ფაილის ექსპორტი, შეგიძლიათ დააჭიროთ სამპუნქტიან მენიუს და აირჩიოთ ჩამოტვირთვა. საიტი ჩამოტვირთავს WAV ფაილს, თუმცა თქვენ დაგჭირდებათ .WAV გაფართოების დამატება. და ეს არის ის.

ერთი სწრაფი შენიშვნა: დაახლოებით ოთხი წუთის შემდეგ, არის ერთი პატარა შეცდომა. მამაკაცის ხმა იმეორებს წინადადებას. მე თვითონ დავუშვი იგივე შეცდომა ვებ გადაცემებში და გადაცემებში, მაგრამ მაინც.

განსაცვიფრებელი შედეგები

პირველ რიგში, მოდით, ერთი წუთით დავაფასოთ რამდენად წარმოუდგენელი შედეგებია. ეს ორი ჩანაწერი ასახავს გაგების სიღრმეს, რელევანტური დიალოგის დაწერის უნარს და კულტურულად მნიშვნელოვანი და მგრძნობიარეც კი ახალი ინფორმაციის დამატების უნარს. და ეს ყველაფერი მანამ, სანამ მივიღებთ ხმის ხარისხს და ვოკალურ ტონებსაც კი.

პირადად მე პირველად ვიგრძენი ეს, როგორც ნაწლავის დარტყმა. როგორც წიგნის ავტორი, "კარგი რადიოს მიცემის" უნარი აუცილებელია წიგნების აქციებისა და წიგნების ტურების შესრულებისას. მე 15 წელზე მეტია ვახვეწებ ჩემს უნარებს, ყოველი გარეგნობისას ოფლი ვიწურავ და მაინც არ ვარ ისეთი კარგი, როგორც ეს ორი ყალბი მაუწყებელი.

დიახ, ისინი იყენებდნენ ჩემს სტატიას (და მოგვიანებით ჯეისონის) დისკუსიისთვის საკვებად. მაგრამ ამ ხარისხის გამომუშავება ზღუდავს იმას, რომ ჩემნაირი შემქმნელები და კონტენტის მწარმოებლები სითბოს გრძნობენ. NotebookLM-ს სხვა არჩევანი არ ჰქონდა, გარდა საუბრის სიჩქარის დაჩქარებისა. ახლა წარმოიდგინეთ, რომ შეგეძლოთ დინამიკების, სტილის არჩევა და შესაძლოა, ხელოვნური ინტელექტის გენერირებული სკრიპტის მცირე ნაწილის შეცვლა.

შემდეგ, მთელი კითხვაა, რა არის რეალური. გასულ კვირას მე გაჩვენე, თუ როგორ აჩვენა Vision Pro-მ 20 წლის წინანდელი კადრები ჩემი დიდი ხნის წინ წასული კნუტის, ჩემს თვალწინ. ახლა მე გაჩვენებთ, თუ როგორ შეუძლია Google-ის ნოუთბუქის ექსპერიმენტის კუთხეში არსებული პატარა მახასიათებელი შექმნას ორი სრულიად შეთითხნილი დინამიკი, რომლებიც ადამიანისგან არ განსხვავდებიან.

წლების განმავლობაში, ჩვენ გვქონდა რეალობის დამახინჯების შესაძლებლობა Photoshop-ში და სხვა რედაქტირების ინსტრუმენტებში. ფილმის შემქმნელებმა გამოიყენეს სპეციალური ეფექტები სიუჟეტის თხრობაში ყალბი რეალობის შესაქმნელად. ფილმზე სურათის გადაღებაც კი ცოტათი ცვლის რეალობას.

ჩემი კატის ეს სურათი იყო მისი რეალობის 1/250 წამის კადრი, და თქვენ შეგეძლოთ მხოლოდ იმის დანახვა, რაც ნახა კამერამ და როგორ რეაგირებდა განვითარების პროცესი (ეს ჯერ კიდევ ფილმი იყო) ფილმის ემულსიის შუქზე.

ასე რომ, ეს არ არის ის, რომ ჩვენ მოულოდნელად შევძელით სინამდვილის გაყალბება. ეს არის ის, რომ ჩვენ შეგვიძლია გავაფართოვოთ ყალბი რეალობაში. კატის სნეფშოტი განსხვავებულია, ვიდრე მისი დანახვა, თითქოს ის იყო ნამდვილი, თქვენს თვალწინ. კომპიუტერული გენერირებული სკრიპტი ბევრად განსხვავდება ორი მაუწყებლის პროფესიონალის მოსმენისგან, რომლებსაც აქვთ დინამიური დისკუსია საინტერესო თემაზე.

ასევე არის ღირებულებისა და სიჩქარის საკითხი. გასაგებად რომ ვთქვათ, Google-ს მილიარდობით დოლარი დაუჯდა ჩემი სტატიის პოდკასტად გადაქცევა. მაგრამ არაფერი დამიჯდა. ამასაც მომენტები დასჭირდა. ეს არის კონტენტის წარმოებაში შესვლის ბარიერის უზარმაზარი შემცირება.

შემაშფოთებელია ისიც, რომ ზოგიერთი კომპანია არჩევს ხელოვნური ინტელექტის გამომუშავებული კონტენტის გამოყენებას, ვიდრე მე და ჯეისონის მსგავსი პროფესიონალების დაქირავებას. ამ სტატიაზე ორი დღეა ვმუშაობ, რადგან ვცდილობ ამ ამბის მოყოლის სწორი გზა მეპოვა.

მაგრამ როდესაც მე შევიტანე მოთხოვნა „დაწერეთ სტატია Google-ის NotebookLM-ის გასაოცარი შესაძლებლობის შესახებ აუდიო პოდკასტის შექმნისა და მისი შედეგების შესახებ“ ChatGPT-ში, ერთ წუთზე ნაკლებ დროში მივიღე საკმაოდ კარგად გააზრებული სტატია.

ჩემი სტატია აშკარად უფრო ღრმა და სრულყოფილია, ასახავს ჩემი პირადი სტილის ნიუანსებს, ასევე ჩემს გამოცდილებას და არჩევანს. მაგრამ ChatGPT-ის მიერ გენერირებული ვერსია არ არის ცუდი. მან დაწერა დეტალური აზრები ამ ხუთ თემაზე:

1. კონტენტის შექმნის დემოკრატიზაცია
2. განათლების ტრანსფორმაცია და ცოდნის გაზიარება
3. გავლენა შემოქმედებით ინდუსტრიაზე
4. ახალი ეთიკური კითხვები
5. პოდკასტინგის ეკონომიკის შეცვლა

ეს შთამბეჭდავია ერთი წუთის მუშაობისთვის.

Google-ის NotebookLM-მა დამაფიქრა იმაზე, თუ რა სახის სერვისებს შეიძლება ეს მოჰყვეს. ბევრ ვიდეოს ვიღებ YouTube-ზე და, მართალი გითხრათ, უკან ვიქცევი. შეიძლება ოდესმე რაიმე მსგავსი Generate ფუნქციის შექმნა YouTube ვიდეოს მოლაპარაკე სათაურის განყოფილება, რათა მომეჩვენოს, თითქოს წარმოდგენას ვაძლევ?

ერთის მხრივ, ამან შეიძლება დამიზოგოს ბევრი დრო და მომეცი შანსი, დავიჭირო ჩემი ნარჩენები. მაგრამ მეორეს მხრივ, წმინდა საშინელი ბეტმენი! მსურს ჩემი სიმულაციური სირბილი, რომ ვთქვა ღმერთმა იცის რა, ვემხრობი რწმენას, რომელსაც შეიძლება არ ვეთანხმები ან თუნდაც საზიზღარი აღმოვჩნდე? ან რა მოხდება, თუ თვით ხელოვნური ინტელექტი ჰალუცინაციას ახდენს, უგულებელყოფს ან არასწორად ინტერპრეტაციას უკეთებს მის დამცავ რელსებს და აფრქვევს რაიმე ღრმად შეუფერებელს? ისე არ არის, რომ აქამდე არასდროს მომხდარა.

რამდენმა მეგობარმა, ამომრჩეველმა და კლიენტმა შეიძლება დაინახოს ასეთი რამ და ვერ თქვას, რომ ეს იყო ღრმა ფეიქი? რამხელა არეულობა იქნება ეს გაწმენდა? დამიჯდება თუ არა კონცერტი ან მეგობრობა, თუ შეურაცხყოფს იმ ადამიანის გრძნობებს, ვისაც ვზრუნავ?

მე ყოველთვის მიყვარდა ახალი ტექნოლოგიები. მე მოვიხიბლე ხელოვნური ინტელექტით მას შემდეგ, რაც დავწერე ერთ-ერთი ყველაზე ადრეული აკადემიური ნაშრომი ხელოვნური ინტელექტის სოციალურ შედეგებზე, ჯერ კიდევ ხის გემებისა და რკინის პროგრამისტების დროს.

მაგრამ მე ვიწყებ უკეთესად გავიგო, რას გრძნობდნენ ლუდიტები, მე-19 საუკუნის ტექსტილის მუშები, რომლებიც ეწინააღმდეგებოდნენ ავტომატიზაციის ტექნიკის გამოყენებას.

როგორც ჩემზე შთაბეჭდილება მოახდინა გენერაციულმა ხელოვნურმა ინტელექტუალმა და რამდენადაც მე პირადად მიმაჩნია, რომ ეს მომგებიანია, მაგრამ ამ განვითარებული შესაძლებლობები, რომლებიც უბრალოდ უფრო მოწინავე უახლოესი მომავლის საწინდარია, ისინი მეშინია.

რა თქმა უნდა, არის განტოლების სპამის მხარე. სულ უფრო და უფრო მეტს, ალგორითმი მაძლევს ვიწრო ფოკუსირებულ YouTube ვიდეოებს იმ თემებზე, რომლებიც მაინტერესებს, მხოლოდ მათი ნახვის შემდეგ გავარკვიე, რომ ისინი აშკარად ხელოვნური ხელოვნური ინტელექტის გამომუშავებულია. ამ ვიდეოების წყალდიდობა არა მხოლოდ არაკეთილსინდისიერ კონკურენციას უქმნის ნამდვილ ადამიანთა შემქმნელებს, არამედ ისინი კარგავენ მაყურებელთა დროს. უფრო უარესი, ისინი უბიძგებენ ნამდვილ ექსპერტებს, რომლებიც სხვაგვარად აწარმოებენ ვიდეოებს ამ თემებზე.

ადამიანის BS დეტექტორის ძალა

მაგრამ აქ არის საქმე. როდესაც ხელოვნური ინტელექტის მიერ გენერირებული ვიდეოები პირველად გამოვიდა, ზოგჯერ შეიძლება გაურკვეველი იყოს, რეალური იყო თუ არა. მაგრამ დაახლოებით ერთი წლის შემდეგ, ახლა მყისიერად ცხადი ხდება, რა არის ხელოვნური ინტელექტის ნაგავი და რა სიყვარულით არის შექმნილი ადამიანის მიერ.

თქვენ კი შეგიძლიათ გაიგოთ ჩემს მიერ მოწოდებული ორი პოდკასტის ნიმუშის მოსმენით. პირველმა ძირს დამიარა. და მეორე ძალიან, ძალიან კარგია. მაგრამ მოუსმინეთ ერთმანეთის მიყოლებით და ცხადია, რომ არსებობს ნიმუში. ჩვენ, ადამიანებმა, რომლებმაც ჩვენი ცხოვრება უმეტესად ან მთელი ცხოვრების განმავლობაში ვიცხოვრეთ ინტენსიურ მედია გარემოში, წვრილად დავაყენეთ BS დეტექტორები. მოგვეცით რამდენიმე წელი ამ მასალისგან და ჩვენ შევძლებთ გამოვავლინოთ გენერირებული AI საუკეთესოც კი.

დიდი კითხვაა, იზრუნებს თუ არა ის ხალხი, ვინც უხდის შემქმნელებს. მე ვფიქრობ, რომ ისინი. ეჭვგარეშეა, რომ ჯეისონ პერლოუ, მაგალითად, წერს ტექნოლოგიურ სტატიებს საკუთარი ღრმა პერსპექტივით. ბევრი რამ, რაზეც ის წერს არის სფეროები, რომელთა შესახებ ორივემ ბევრი რამ ვიცით.

მაგრამ მე აუცილებლად ვკითხულობ მის სტატიებს, რადგან ყოველთვის ვსწავლობ მისი უნიკალური პერსპექტივიდან. არ მგონია, რომ ხელოვნური ინტელექტის კლონირება შეიძლება მოხდეს და ამიტომაც მას ჰყავს ნამდვილი ადამიანების მიმდევრები, რომლებიც აფასებენ მის უნიკალურ ხმას და მოუთმენლად ელიან მის მიერ შექმნილ ყოველ ახალ ნაწარმოებს.

ასე რომ, მიუხედავად იმისა, რომ ზოგიერთი გამომცემელი და მედია აგრეგატორი ყოველთვის იაფ გადაწყვეტილებებს მიჰყვება, ისინი ყველა ერთად დაიწყებენ შერწყმას, განსაკუთრებით მაშინ, როდესაც ხელოვნური ინტელექტის ალგორითმები იწყებენ შეერთებას სასწავლო მონაცემების საერთო, თუ უზარმაზარი, ბლოკის საფუძველზე. მაგრამ ZDNET, გამორჩეულად გამოცდილი მწერლებით, როგორიცაა ჯეისონი და მე, და ჩვენი უშიშარი რედაქტორები, ყოველთვის აფასებს უნიკალურობას, ადამიანურობას და პერსპექტივის სიღრმეს, რომელიც მხოლოდ ჩვენ გვაქვს -- და რაც, გაფართოებით, აძლევს ZDNET-ს თავის უნიკალურს. იდენტურობა სხვა მაღალტექნოლოგიურ საიტებს შორის.

ეს არ არის ის, რისი გაკეთებაც AI-ს შეუძლია და ალბათ ვერასოდეს შეძლებს.

რას ფიქრობთ? შენც ჩემსავით შეშფოთებული ხარ? მოგეჩვენათ ეს დემო შთამბეჭდავი? თქვენ თვითონ გამოსცადეთ NotebookLM? შეგვატყობინეთ ქვემოთ მოცემულ კომენტარებში.