# NotebookLM爆款复盘：10人团队、一次点击、两年假deadline > Training Data No. 19 中文精读 - 原标题：Google NotebookLM’s Raiza Martin and Jason Spielman on Creating Delightful AI Podcast Hosts and the Potential for Source-Grounded AI - 发布日期：2024-10-15 - 主持：Sonya Huang · Pat Grady · Konstantine Buhler 等 - 网页版：https://trainingdata.qiaomu.ai/ep/019-google-notebooklms-raiza-martin-and-jason-spielman-on-creati-Hio8VG.html - 精读字数：约 4519 字（阅读约 10 分钟） > 本文为 trainingdata.qiaomu.ai 基于原始访谈的 AI 改写中文精读，非官方翻译；引用请注明出处并链接网页版。 先讲一个真事。2024年9月底，有人往Google的NotebookLM里上传了一份文档，全文只有两个单词：poop（便便）和fart（放屁），翻来覆去重复了几百遍。两个AI主播拿到这份材料，居然聊出了一期有来有回、节奏在线的节目。 产品负责人Raiza Martin晚上11点刷到这条视频，第一反应是纠结要不要点开：万一触发安全审查，就得连夜提bug、喊工程师。她还是点了。听完只说了一句：“干得漂亮，小家伙。”设计负责人Jason Spielman看到时的反应是“哦不，来活了”，听完变成“这比我能想象的还棒”。 那个月，这款Google实验性产品靠一个功能出圈：上传任何材料，一键生成一期两个声音对谈的播客节目，官方叫Audio Overview。上线两周全网刷屏，红杉的主持人形容当时的状态是“GPU转得冒烟”，还有人开始喊“Google的ChatGPT时刻”。红杉资本播客Training Data把Raiza和Jason请到节目里，开头还有个彩蛋：先由NotebookLM生成的两位AI主播煞有介事地开场致谢，真人才接话。 对“ChatGPT时刻”这个说法，Raiza有点不敢当。她说ChatGPT对她个人影响很大，被拿来类比，第一反应是“哇，真的吗”。Jason记得自己第一次听Audio Overview，第二个声音加入进来那一刻，整个人被震了一下。他同时提醒大家看底层：**Gemini 1.5 Pro把一堆复杂材料消化完，吐出一段简洁流畅的对谈，模型能力和产品体验撞在一起，才有了这个时刻。** 这场对话信息量很大，值得拆开讲。 ## 从一个20%项目开始：跟教科书聊天 2023年，Raiza在Google做AI Test Kitchen，NotebookLM当时还是个20%项目。一位工程师在捣鼓一个叫"talk to small corpus"的原型，用大语言模型跟一小堆文档对话，从中提取信息。Raiza第一次听到corpus这个词还愣了一下，问了句“这是啥”。 聊完她想到了自己。她是成年后才回去读书的，如果那时候能用LLM直接跟教科书对话，学习方式会彻底改变。**这个非常私人的动机，成了产品的起点。** 2023年5月，项目以Project Tailwind的名字亮相，功能很朴素：上传一份PDF，跟它聊天。 Jason补了一个观察。他说自己参与这个项目后才意识到，生活里创造的一切，几乎都建立在某份既有文档之上，写报告有参考资料，做方案有调研材料。**所以NotebookLM的定位从一开始就很清楚：source-grounded，所有回答都锚定在你上传的资料上。**这也是它跟ChatGPT、Gemini这类通用助手的根本区别。 数据层面，团队没有公布具体用户数，Raiza只给了一个趋势：Audio Overview上线前产品就在稳定增长，上线后增速陡然拉高。留存数据同样有意思，**很多人为播客功能而来，留下来用的却是其他功能。** ## 一次点击，奶奶都会用 Audio Overview的底层是三样东西：Gemini 1.5负责消化上传的全部材料并生成对谈内容，Google的语音模型负责合成声音，中间还有团队自建的Content Studio，承担“编辑”角色，决定内容怎么取舍、怎么呈现。 但Jason认为爆火的关键在交互。**整个生成过程就是一次点击。**他打电话教奶奶用，刚说了句“上传一份材料”，奶奶已经自己点完了按钮。没有提示词，没有参数，没有学习成本。他的判断很明确，创建门槛足够低，才是病毒式传播的引信。 Pat Grady追问，满世界都是聊天框，做播客的点子从哪来。Raiza说团队手里有一个很强的语音模型，独白、对谈、用户自选开关都试了一遍，最后对谈胜出，**新东西得装进用户认得出的形式里，大家一听就懂：哦，这是播客。**它跟常见的文字转语音完全两回事，用户不需要被教育。被问到会不会一开始就奔着“播客杀手”去，她的回答是，知道它神奇，没想到它击中人心的方式如此惊喜。 两位主播的性格怎么设计？Raiza的回答有点出人意料：团队给这两个角色留了相当大的“编辑自主权”，节目叫Deep Dive，内容走向由角色根据材料自己发挥，连她本人每次听都不知道会被带向哪里。 很多人催团队开放控制选项，比如“这期搞笑一点”“这期严肃一点”。Raiza的直觉是赶紧上线这些旋钮，但她强迫自己克制： > 用户爱上它，是因为它有惊喜感、有魔力。那我怎么发布“依然有惊喜感的旋钮”？ 她能接受的是更基础的选项，换一种节目形式、调长短、只围绕某个话题讲，这些都在计划里。 ## 销售培训、尽调提速10倍，还有周一早上听群聊 Raiza原本以为教育场景会是主战场，学生和老师确实在用，让她意外的是公司里用起来的人更多。Google内部广告销售团队做过一次试点：销售人员的培训文档长达几百页，内容还频繁更新，以前谁搞不懂产品怎么卖，就在内部喊一嗓子问Joe，等Joe回复，复制粘贴进邮件改一改。试点之后，像Joe这样吃透文档的人开始建笔记本，直接分发给整个团队，几百号人不用再排队等Joe。 Jason的朋友做销售，打电话给客户遇到不确定的问题，当场打开笔记本查一下再答。另一位做一级市场的朋友，日常工作是啃一摞摞机密信息备忘录（CIM），他把收到的文件和幻灯片全丢进笔记本，**自称工作效率提了10倍。** 个人场景更有意思。有人上传自己的简历听AI点评，创业者把产品主页丢进去检查信息传达清不清楚，一位TikTok博主上传了自己2004年的日记，边听边录自己的反应。还有个用户周末没看大学同学群刷屏的几百条消息，直接复制进文档，周一开车上班路上“听”完了这周的群聊。 Raiza给这类需求起了个名字：个性化生成。**这些内容永远不会有人做成真播客，但恰恰是这种只为你一个人定制的场景，让产品站住了。** ## AI会抢播客主持人的饭碗吗 主持人Sonya Huang把问题挑明：你们生成的东西已经好到能替代真播客了，反复说“还不够好”，是不是只是客气？ Raiza说她对待这个问题很谨慎，如果有真实风险，她想直视它。然后她拿自己常听的Lenny's播客举例：把Lenny的一篇文章转成对谈，她会听吗？**不会，她想听的是Lenny本人对这件事的看法。**AI对谈能消化资料，给不了人的判断和经历。 Jason的补充是把Audio Overview归为另一种媒介：它听起来像播客，性质上更接近reaction视频火起来的逻辑，播客的价值很大一块在主持人身上，听众追的是具体的人。用户分享生成的节目时，姿态也很微妙：我为自己做的，顺便给你听听。没人真的想让别人反复听自己的简历。 ## 聊天气泡是AI界的拟物设计 Jason有个判断：现在的AI产品处在“拟物时代”。这个词来自早期iOS，备忘录App顶部做一块皮革纹理、纸面做成黄色，用物理世界的样子帮用户跨进虚拟世界。**聊天框就是AI的拟物设计，用户熟悉，但未必是终点。**很多用户是第一次接触AI，界面得先接住他们。 他欣赏的案例是Claude的Artifacts：左边聊天，右边实时长出可交互的成品，人与AI的层级被拉平了。Raiza欣赏的是Pika。Sonya提到Midjourney把“空白提示词”这道坎解决得很好，Raiza接的例子是Pika的特效预览：上传图片后，每个效果都会先告诉你画面会变成什么样，她把一张饮品照片点成蛋糕，那是她第一次生成，图还没出完，10美元已经愿意掏了。她的总结：**把结果预览给用户看，用户会抢着把材料交给你。** 聊到自家的设计，Jason说左侧资料面板的清晰呈现算是个“快乐意外”，source-grounded的定位必须让用户一眼看懂：你在跟自己上传的资料对话。团队现在的姿势是快速发布、跟用户并肩迭代，技术演进太快，连什么可能都难判断。Raiza承认剩下的难题在于“上传资料”这个动作本身，用户会本能抵触，ChatGPT和Gemini都不用上传就能用，“开箱即用”这一课他们还得补。战略层面她还补了一句：把对话锚定在用户自己的资料上，粘性会强得多，Anthropic、OpenAI、Google都懂这个道理，差别在于什么时候推、放在哪个界面，NotebookLM的运气在于一开始就站在这里，趁别人还在兼顾一堆场景，他们可以全力冲刺。 Raiza自己还在做小实验：她现在写日记的方式是跟LLM对话，由对方生成日记和可视化总结，这周开心的事多还是烦心事多、是什么让她开心、是什么让她难受。这类“边走边聊”的个人场景，未来可能出现在NotebookLM的移动端。 ## 10人团队的Google生存术：假deadline用了两年 Pat Grady问了个“敏感”问题：你们跑得像创业公司，小团队、快速迭代、先发布再打磨，跟外界对Google的刻板印象完全相反。Google帮了什么，你们又破坏了什么规矩？ Raiza说Google给的两样东西无可替代：一是模型还没发布就能用，知道半年后会有什么能力，产品设计可以提前按未来能力规划路径；二是一群聪明又愿意协作、真心想做酷东西的同事。有这两样，她要做的只剩下执行。 至于打破的部分，她进Labs时就认定一件事：**第一要务是发布，发布比不发布难得多。**在Google待久了，人容易反复自我怀疑，考虑这个影响那个影响。她的对策说出来有点好笑：造假deadline。 > “10月10号必须上线！”团队一算还有两周，赶紧动手。关键是，没人追问10月10号到底有什么特殊。 这套办法她用了两年，讲完还不忘补一句，希望工程师别听这期节目。 Jason在Google待了七年，他说“Google慢”是个误解，只是大团队服务几十亿用户，动作必然谨慎。NotebookLM团队大约10个人，**既有大公司的模型、算力和数据，又保住了小团队的决策速度，这个组合位置很舒服。** 至于下一步，Raiza的原话是把“对你重要的所有输入”都接进来，再用AI创造新东西。播客这条线会做深，实用的输出也会补齐，两天前还有用户直接喊话：“播客是挺酷，能不能先把代码输出做好一点？”她听完的反应是，好主意，本来就在计划里。发布时欠着的还有原生分享体验，现在用户在X上发的视频大多用第三方工具做的可视化，等于用户跑到了别的界面上。写作功能也在路上，很多人问完问题就把答案拿去创作新东西，团队想把这条链路补完整。YouTube视频现在可以作为资料上传，输出成视频还要等，Raiza说那就是个成本问题。 ## 明天就能用上的几件事 给普通用户： - 几百页的培训文档、产品手册、行业报告，丢进NotebookLM生成Audio Overview，通勤路上听，比硬读快。 - 写完简历或产品主页，上传听AI复述一遍，检验信息传达清不清楚。 - 群里几百条没看的消息，粘进文档生成对谈，比爬楼省时间。 给做产品的人： - 新品类早期，用用户熟悉的“拟物”形态降低门槛，一次点击比十个旋钮更能带来增长，等用户爱上产品再给控制权。 - 把结果做成预览（Pika式），用户会更愿意交出自己的数据。 - 大公司内部做新东西，先把“必须发布”定成铁律，deadline哪怕造也要造一个。 NotebookLM的两位AI主播在节目结尾说，会继续学习、变得更好，请大家保持好奇。至少从这期访谈看，幕后这10个人打算把这句话兑现。