Google 宣布由 AI 驅動的研究與筆記工具 NotebookLM 將語音摘要（Audio Overviews）功能擴展至超過 50 種語言，顯著提升其全球可及性。NotebookLM 由 Google Labs 開發，基於 Gemini 語言模型，專注於用戶上傳的文檔，提供總結、問答和內容生成等功能。近期更新包括支援 YouTube 影片轉錄、網頁搜尋整合以及 Google Slides 和音訊檔案作為來源，使其成為學術、教育和專業領域的強大工具。
語音摘要於 2024 年 9 月推出，迅速成為 NotebookLM 的明星功能，透過模擬兩位 AI 主持人的「深度對話」，將文檔、投影片和圖表轉化為類似播客的總結，方便用戶在移動中學習。最初僅支援英語，此次多語言擴展由 Gemini 的原生音訊功能實現，覆蓋從中文、南非語、土耳其語等語言，打破語言障礙，為全球用戶提供更包容的體驗。
NotebookLM 語音摘要的多語言功能詳解
1. 多語言支援與操作
新功能允許用戶上傳多種語言的來源（例如 PDF、Google Docs、YouTube 轉錄或網頁），並選擇超過 50 種輸出語言生成語音摘要，包括西班牙語、法語、葡萄牙語、韓語、阿拉伯語和斯瓦希里語等。用戶可透過以下步驟設定：
- 開啟 NotebookLM（notebooklm.google.com）。
- 點擊右上角設定（齒輪圖示）>「輸出語言」（Output Language）。
- 從清單中選擇首選語言，語音摘要和聊天回應將以此語言生成。
此功能支援混合語言來源，例如一位教師可上傳葡萄牙語紀錄片、西班牙語研究論文和英語報告，生成任一支援語言的語音摘要，適合多語言課堂或跨國團隊。
2. 技術基礎
語音摘要並非簡單的文字轉語音（TTS），而是一個整合 Gemini 2.5 Pro 的複雜總結流程：
- 內容理解：Gemini 分析上傳文檔，提取關鍵資訊。
- 主題建模：將資訊分段，根據查詢或顯著性選擇重點。
- 自然語音生成：採用 WaveNet 和多語言語音合成技術，生成逼真的對話，適應各地區發音和文化語境。
- 動態學習：支援後續問答，允許用戶以選定語言深入探索。
生成的語音可下載為 MP3，支援離線播放和螢幕閱讀器，特別適用於低頻寬地區或視障用戶。
3. 使用場景
多語言語音摘要為教育、研究和商業開啟新可能：
- 教育：教師可為學生生成多語言學習材料，例如關於亞馬遜雨林的課程，結合多語言來源，學生可選擇熟悉的語言收聽。
- 研究：研究人員可總結多語言學術論文，快速掌握跨國文獻的要點。
- 商業：全球企業可將培訓材料轉為多語言播客，簡化跨團隊資訊分享。
早期測試顯示，印度和德國的教育機構使用語音摘要的學生理解速度比閱讀全文快 40%，顯示其在學習效率上的潛力。
功能限制與注意事項
- 僅反映來源內容：語音摘要不提供主觀觀點，僅基於用戶上傳的資料生成，確保客觀性但可能遺漏外部背景。
- 互動模式限制：互動模式（允許與 AI 主持人對話）仍為 beta 版，僅支援英語，暫未擴展至其他語言。
- 生成時間：對於大型筆記本（多來源或長文檔），生成語音可能需數分鐘，且偶有語音故障或不準確。
- Workspace 控制：Google Workspace 無專屬語言功能控制，教育版管理員可限制 NotebookLM 整體存取，但語言設定由用戶自行管理。
與競爭對手的比較
NotebookLM 的多語言語音摘要在 AI 筆記工具中獨樹一幟，與其他平台相比：
- Obsidian + 插件：Obsidian 支援多語言筆記但無原生音訊總結，需第三方 TTS 插件，缺乏對話式體驗。
- Notion AI：Notion 提供總結和問答，但無播客式音訊功能，且多語言支援不如 NotebookLM 廣泛。
- Microsoft Copilot：Copilot 整合 Office 生態，支援多語言，但音訊功能限於文字轉語音，無對話式總結。
- Perplexity AI：Perplexity 提供多語言搜尋和語音，但無專屬筆記功能，無法處理用戶上傳的結構化文檔。
NotebookLM 的 RAG（檢索增強生成）模型確保回應僅基於用戶來源，減少幻覺（hallucinations），並提供引證，適合學術和專業場景。
NotebookLM 的全球影響力
Google 將 NotebookLM 語音摘要擴展至逾 50 種語言，結合 Gemini 2.5 Pro 的多模態能力，為全球用戶提供高效的學習工具。多語言支援打破語言壁壘，特別在教育和研究領域展現潛力。未來，Google 計畫根據用戶反饋優化語音品質和互動模式，進一步鞏固 NotebookLM 作為 AI 筆記工具的領先地位。你是否已試用多語言語音摘要？它如何改變你的學習或工作方式？歡迎在下方留言！