智東西
編譯 金碧輝
編輯 程茜

智東西6月17日消息，據谷歌官方博客消息，谷歌實驗室6月13日推出音頻概覽（Audio Overviews）這一全新功能。這是谷歌首次在搜索結果中引入由AI生成的播客式音頻摘要。此次更新后，該功能首次在谷歌搜索結果中面向用戶開放（此前僅存在于NotebookLM）。

新升級的谷歌搜索版音頻概覽并非NotebookLM的直接移植，而是基于相同技術框架的獨立功能擴展。

當用戶在Chrome瀏覽器搜索“神經網路工作原理”等復雜議題時，或者如“氬元素有什么用途”時，音頻概覽便會激活。用戶點擊“生成音頻概覽”按鈕，等待約40秒后，就能獲得由兩個AI“主持人”對話形式的語音總結。

該功能需滿足三項條件：訂閱Google AI Pro/AI Ultra套餐、加入實驗室項目且用戶要使用美國IP。

用戶點擊結果頁的生成按鈕后，雙AI主播的對話式解讀將在約40秒后播出，播放器提供暫停、倍速調節及原文跳轉功能，適配駕駛、烹飪等無屏場景操作需求。

一、利用Gemin模型實時抓取網頁內容，音頻生成全程僅需40秒

該系統內容由Gemini模型驅動，系統首先會在前10秒迅速完成網頁抓取操作，并對抓取到的內容進行精準的語義分析；在隨后的25秒內，Gemini模型基于分析結果構建出問答腳本，模擬出貼合問題邏輯的對話框架；Gemini模型5秒完成語音合成并輸出。

不過，由于將響應速度設定為優先級，音頻概覽功能的交互能力有所降低，與NotebookLM能實時追問的功能相比，此版本僅能維持單向輸出，用戶無法在收聽音頻過程中即時提出新問題以獲取進一步解答 。當前，音頻概覽功能僅面向美國用戶提供英文服務，非英語的搜索內容也無法生成對應的音頻摘要。

NotebookLM是谷歌推出的一款基于用戶上傳文檔的個性化AI研究助手，限定了信息來源范圍，卻支持多達50多種格式，PDF、網頁、視頻等都涵蓋其中。NotebookLM為用戶提供了精準摘要，能快速提煉文檔核心要點，以對話形式生動呈現文檔關鍵內容等。

▲谷歌的音頻概覽功能摘要入口（圖源：谷歌）

而此次推出的音頻概覽功能，則延續了NotebookLM的對話式音頻技術邏輯，其生成的語音總結能提取自搜索結果首頁內容，還能幫助用戶更便捷地理解信息。同時，用戶可調整播放速度0.75-1.5倍速，實現“邊聽邊看”的沉浸體驗。

二、谷歌音頻概覽“首登搜索”，NotebookLM完整版縮水為輕量播客

谷歌音頻概覽功能早在2024年9月便已在NotebookLM中亮相，并呈現出完整形態，支持用戶實時追問，助力深度探索信息。

今年5月，據外媒The Verge報道，音頻概覽功能沿用了谷歌I/O大會發布的“重構信息流”技術架構，不過當時谷歌尚未公布語言擴展及區域推廣的具體時間表。

同月14日，谷歌技術團隊在The Verge的獨家專訪中透露，為優化用戶體驗，音頻概覽功能采用了響應速度優化方案，將音頻生成時長固定在40秒左右。

當前此舉主要是為了驗證用戶對這一基礎功能的接受程度。如今，谷歌實驗室于6月13日再次對音頻概覽功能進行升級更新。新升級的谷歌搜索版音頻概覽是基于NotebookLM相同技術框架的獨立功能擴展。

當用戶使用Chrome瀏覽器搜索特定復雜議題時，滿足條件就可能觸發音頻概覽功能，播放器還貼心配備了暫停、倍速調節及原文跳轉功能，適配駕駛、烹飪等無屏場景下的操作需求。

結語：AI“主持人”信息取舍存倫理爭議

當用戶從“閱讀文字”轉向“收聽對話”，AI“主持人”已不僅是信息的轉述者，更成為內容的“敘事架構師”。在教育場景中，學生搜索“量子物理” 時，雙AI主播用生活化比喻拆解復雜概念的40秒音頻，可能比長篇文獻更高效吸收；科研人員檢索跨語言文獻時，語音摘要能突破文字壁壘，將文獻核心觀點轉化為可聽化對話，加速跨學科知識整合。這種“聽覺化”的信息處理方式，使知識傳遞從“主動閱讀”轉向“被動聆聽”的模式。

技術倫理問題隨之浮現。AI“主持人”對信息的取舍邏輯尚未透明，雙人對話形式可能存在誘導性解讀風險。據MIT（麻省理工科技評論）2025年3月預警，當算法掌握聲音表達權時，需建立更嚴格的信息溯源機制。

來源：谷歌、Mashable、The Verge