Alat podcast AI Google mengubah teks Anda menjadi audio yang sangat nyata - gratis

Saya telah mempelajari AI selama bertahun-tahun, dan alat podcast AI Google yang baru dan anehnya tersembunyi masih membuat saya takjub. Serius, Anda harus mendengar ini untuk mempercayainya. Namun manusia pada akhirnya akan mengalahkan mesin. Inilah alasannya.

Saya sama sekali tidak religius, tapi ketika saya menemukan alat ini, saya ingin berteriak, "Ini pekerjaan iblis!"

Ketika saya memutar audio yang disertakan di bawah ini untuk Anda kepada editor saya, dia menjawab dengan santai, "SIHIR JENIS APA INI?" Saya telah bekerja dengannya selama 10 tahun, selama waktu itu kami bermalas-malasan hampir setiap hari, dan itu adalah topi all-cap pertama yang pernah saya lihat darinya.

Kemudian, dia berbagi dengan saya, "Ini 100% hal paling menakutkan yang pernah saya lihat sejauh ini dalam perlombaan AI generatif."

Jika Anda tertarik pada kecerdasan buatan, apa yang saya temukan dapat mengguncang Anda sama seperti kami. Kita mungkin berada pada momen yang menentukan.

Pada artikel ini, saya akan mendemonstrasikan layanan yang ditawarkan oleh Google. Mohon luangkan waktu beberapa menit untuk mendengarkan setidaknya sedikit dari dua klip audio yang akan saya bagikan. Saya akan menunjukkan cara pembuatannya dan cara membuatnya sendiri. Lalu kita akan mendalami implikasi tingkat gempa bumi.

Terakhir, silakan bergabung dengan saya di komentar di bawah untuk membicarakan hal ini. Saya pikir kita semua perlu melakukan beberapa proses untuk mengetahui apa artinya ini.

Demonstrasi

Yang akan Anda dengar adalah diskusi podcast tentang salah satu artikel terbaru saya.

Yang saya lakukan hanyalah menempelkan teks artikel saya tentang konversi VR yang terlalu nyata dari gambar 2D ke 3D ke layanan NotebookLM Google dan klik Hasilkan.

Biar saya perjelas: "orang-orang" dalam siaran itu tidak nyata. Audio sepenuhnya dihasilkan oleh AI.

Untuk sepenuhnya menghargai implikasi teknologi ini, ada baiknya meluangkan beberapa menit membaca artikel asli saya dan kemudian mendengarkan setidaknya satu menit dari trek audio berdurasi enam menit.

Artikel asli: Saya pikir fitur VisionOS 2 baru ini hanyalah gimmick - hingga membuat saya menangis saat melihat Vision Pro saya
Trek audio yang dihasilkan AI: Klik di sini untuk mendengarkan

Silakan, saya akan menunggu.

Berikut beberapa hal yang perlu diperhatikan:

Kualitas dua orang yang berbicara baik dari segi kesetiaan dan kealamian suara mereka
Penggunaan bahasa sehari-hari yang sesuai seperti "karya air" untuk menggambarkan air mata dan tangisan
Sifat olok-olok mereka yang sepenuhnya organik dan fakta bahwa memang ada olok-olok
Seberapa baik pembicara “manusia” memahami konsep-konsep dalam artikel, termasuk aspek emosional dalam menghidupkan kembali kenangan lama
Secara keseluruhan, seberapa nyata kedengarannya, dari intro ke body hingga outro, tidak bisa dibedakan dari siaran sebenarnya.

Selanjutnya, mari kita luangkan waktu sejenak untuk melihat bagaimana hal ini dihasilkan.

Apa itu NotebookLM?

NotebookLM adalah persilangan antara Google Keep dan AI di Notion.

Struktur data utama di NotebookLM adalah buku catatan, yang berisi semua "catatan" Anda tentang proyek tertentu. Catatan, yang disebut "sumber" di NotebookLM, bisa berupa teks yang Anda ketik di NotebookLM, mirip dengan Keep. Namun bisa juga berupa PDF, Google Dokumen atau Slide, teks yang ditempel, file audio, tautan YouTube, dan URL web.

NotebookLM sepertinya agak rewel soal format sumbernya, karena saat saya paste URL artikel saya, tidak bisa terbaca. Saya harus menyalin teks dan menempelkannya. Saya juga menemukan PDF yang tidak dapat dibaca meskipun PDF tersebut tidak tampak terkunci atau dibatasi.

Setelah Anda memiliki semua sumber di buku catatan, Anda dapat meminta AI NotebookLM untuk melakukan hal-hal AI dengan data tersebut. Anda bisa mendapatkan ringkasannya. Anda dapat memintanya untuk mengekstrak poin-poin utama. Anda bisa menanyakan garis besarnya, dan sebagainya. Tindakan AI hanya menggunakan data sumber yang disediakan di buku catatan tertentu, mirip dengan cara kerja AI Notion hanya pada data yang diunggah ke akun Notion Anda sendiri.

Fitur kejutan besar, yang saya minati di artikel ini, adalah tombol Hasilkan, yang menghasilkan olok-olok realistis antara dua host podcast yang Anda dengar di demo.

Saat ini, NotebookLM masih dalam versi beta dan gratis.

Membuat audio Anda sendiri (dan demo kedua)

Mari buat diskusi podcast menakjubkan lainnya. Kali ini, kami akan menggunakan artikel menarik Jason Perlow tentang jatuhnya Intel sebagai sumber kami.

Pertama, arahkan browser Anda ke NotebookLM. Anda harus masuk ke akun Google Anda. Setelah Anda masuk, Anda akan melihat daftar buku catatan. Tangkapan layar ini hanya menunjukkan pengujian pertama saya, demo yang saya tunjukkan di atas, ditambah beberapa contoh buku catatan yang disediakan Google.

Mengklik Buku Catatan Baru membawa kita ke layar Tambahkan Sumber.

Karena sebelumnya saya temukan tidak memproses link ke artikel ZDNET dengan benar, saya langsung saja turun ke pojok kanan bawah dan klik Paste Text. Kemudian, setelah memotong teks dari artikel Jason, saya menempelkannya ke kolom entri data.

Setelah beberapa detik, NotebookLM membuka apa yang disebut Panduan Notebook, ringkasan sumber dan saran.

Di sebelah kanan adalah bagian Ikhtisar Audio. Cukup klik Hasilkan. Diperlukan beberapa menit untuk membuat podcast baru. Inilah yang kami dapatkan kembali kali ini.

Artikel asli: Jatuhnya Intel: Bagaimana gen AI membantu melengserkan raksasa dan mengubah komputasi seperti yang kita kenal sekarang
Trek audio yang dihasilkan AI: Klik di sini untuk mendengarkan

Jika Anda ingin mengekspor file, Anda dapat mengklik menu tiga titik dan pilih unduh. Situs ini mengunduh file WAV, meskipun Anda harus menambahkan ekstensi .WAV. Dan itu saja.

Satu catatan singkat: sekitar empat menit kemudian, ada satu kesalahan kecil. Suara laki-laki mengulangi sebuah kalimat. Saya sendiri telah membuat kesalahan yang sama di webcast dan siaran, tapi tetap saja.

Implikasinya yang mengejutkan

Pertama, mari luangkan waktu sejenak untuk menghargai betapa menakjubkan hasilnya. Kedua rekaman ini menunjukkan kedalaman pemahaman, kemampuan menulis dialog cerewet yang relevan, dan kemampuan menambahkan informasi baru yang relevan secara budaya dan bahkan sensitif. Dan itu saja sebelum kita membahas kualitas suara dan bahkan nada vokal.

Secara pribadi, saya pertama kali merasakan ini sebagai pukulan telak. Sebagai seorang penulis buku, kemampuan “memberikan radio yang bagus” sangat penting ketika melakukan promosi buku dan tur buku. Saya telah mengasah keterampilan saya selama lebih dari 15 tahun, mengeluarkan banyak keringat di setiap penampilan, dan saya masih belum sebaik dua penyiar palsu ini.

Ya, mereka menggunakan artikel saya (dan kemudian artikel Jason) sebagai bahan diskusi mereka. Namun keluaran dengan kualitas ini hampir membuat pembuat konten dan produser konten seperti saya mulai merasakan panasnya. NotebookLM tidak punya pilihan selain mempercepat kecepatan berbicara. Sekarang bayangkan jika Anda dapat memilih speaker, gayanya, dan mungkin mengedit sedikit skrip yang dihasilkan AI.

Lalu, ada pertanyaan tentang apa yang nyata. Minggu lalu, saya menunjukkan kepada Anda bagaimana Vision Pro membuat foto kucing saya yang sudah lama hilang berusia 20 tahun tampak nyata tepat di depan mata saya. Sekarang, saya menunjukkan kepada Anda bagaimana sebuah fitur kecil di sudut eksperimen notebook Google dapat membuat dua speaker buatan manusia yang tidak dapat dibedakan dari speaker manusia.

Selama bertahun-tahun, kami memiliki kemampuan untuk memutarbalikkan kenyataan di Photoshop dan alat pengeditan lainnya. Pembuat film telah menggunakan efek khusus untuk menciptakan realitas palsu dalam bercerita. Bahkan tindakan mengambil gambar di film sedikit mengubah kenyataan.

Gambar kucing saya itu adalah 1/250 detik cuplikan realitasnya, dan Anda hanya bisa melihat apa yang dilihat kamera, dan bagaimana proses pengembangannya (yang masih berupa film) bereaksi terhadap cahaya dalam emulsi film.

Jadi bukan berarti kita tiba-tiba bisa berpura-pura nyata. Hal ini agar kita dapat memperluas kepalsuan menjadi kenyataan. Potret seekor kucing berbeda dengan melihatnya, seolah-olah dia nyata, tepat di depan Anda. Naskah yang dihasilkan komputer jauh berbeda dengan mendengarkan dua profesional penyiaran berdiskusi dinamis tentang suatu topik yang diminati.

Ada juga pertanyaan tentang biaya dan kecepatan. Untuk lebih jelasnya, Google mengeluarkan biaya miliaran dolar untuk mengubah artikel saya menjadi podcast. Tapi aku tidak mengeluarkan biaya apa pun. Itu juga membutuhkan waktu beberapa saat. Hal ini merupakan pengurangan besar dalam hambatan masuk ke produksi konten.

Hal ini juga mengkhawatirkan karena beberapa perusahaan memilih untuk menggunakan konten yang dihasilkan AI daripada mempekerjakan profesional seperti saya dan Jason untuk melakukannya. Saya telah mengerjakan artikel ini selama dua hari, karena saya mencoba menemukan cara yang tepat untuk menceritakan kisah ini.

Namun ketika saya memasukkan perintah "tulis artikel tentang kemampuan menakjubkan NotebookLM Google untuk membuat podcast audio dan implikasinya" ke ChatGPT, saya mendapatkan artikel yang cukup dipertimbangkan dengan baik dalam waktu kurang dari satu menit.

Artikel saya jelas lebih dalam dan lengkap, memanfaatkan nuansa gaya pribadi saya, serta pengalaman dan pilihan saya. Namun versi yang dihasilkan ChatGPT tidak buruk. Ia menulis pemikiran rinci tentang lima tema ini:

Demokratisasi pembuatan konten
Transformasi pendidikan dan berbagi pengetahuan
Dampaknya terhadap industri kreatif
Pertanyaan etis baru
Mengubah ekonomi podcasting

Itu mengesankan untuk pekerjaan satu menit.

NotebookLM Google membuat saya berpikir tentang jenis layanan yang mungkin diramalkan. Saya membuat banyak video YouTube, dan sejujurnya, saya ketinggalan. Bisakah suatu hari nanti saya memiliki fitur Hasilkan seperti ini yang membuat bagian kepala bicara di video YouTube, membuatnya tampak seolah-olah saya sedang memberikan pertunjukan?

Di satu sisi, hal ini mungkin menghemat banyak waktu dan memberi saya kesempatan untuk menyelesaikan tugas yang menumpuk. Tapi di sisi lain, Batman yang sangat menakutkan! Apakah saya ingin sebuah simulasi dimana saya berlarian, berkata ya ampun, menganut keyakinan yang mungkin tidak saya setujui atau bahkan saya anggap menjijikkan? Atau bagaimana jika AI itu sendiri berhalusinasi, mengabaikan, atau salah menafsirkan pagar pembatasnya dan melontarkan sesuatu yang sangat tidak pantas? Ini tidak seperti hal itu belum pernah terjadi sebelumnya.

Berapa banyak teman, konstituen, dan klien yang mungkin melihat hal seperti itu dan tidak dapat mengatakan bahwa itu adalah sebuah deepfake? Berapa banyak kekacauan yang harus dibersihkan? Apakah itu akan membuat saya kehilangan kesempatan untuk tampil atau berteman, atau menyakiti perasaan seseorang yang saya sayangi?

Saya selalu menyukai teknologi baru. Saya terpesona oleh AI sejak saya menulis salah satu makalah akademis paling awal tentang implikasi AI terhadap masyarakat, pada zaman kapal kayu dan pemrogram besi.

Namun saya mulai memahami lebih baik bagaimana perasaan kaum Ludd, para pekerja tekstil abad ke-19 yang menentang penggunaan mesin otomasi.

Meskipun saya terkesan dengan AI generatif, dan betapa bermanfaatnya bagi saya pribadi, kemampuan canggih ini, yang hanya merupakan pertanda masa depan yang jauh lebih maju, tetap saja membuat saya takut.

Tentu saja, ada sisi spamnya. Semakin banyak algoritma yang menyajikan kepada saya video-video YouTube dengan fokus sempit tentang topik-topik yang saya minati, hanya untuk mengetahui setelah menontonnya bahwa video-video tersebut jelas-jelas dihasilkan oleh AI. Membanjirnya video ini tidak hanya menciptakan persaingan tidak sehat dengan pencipta manusia sungguhan, tetapi juga membuang-buang waktu pemirsa. Yang lebih buruk lagi, mereka menyingkirkan pakar sebenarnya yang mungkin bisa memproduksi video tentang topik tersebut.

Kekuatan detektor BS manusia

Tapi inilah masalahnya. Saat video yang dihasilkan AI tersebut pertama kali dirilis, terkadang tidak jelas apakah video tersebut nyata atau tidak. Namun setelah sekitar satu tahun, kini sudah jelas apa itu sampah AI dan apa yang dibuat dengan penuh kasih oleh manusia.

Anda bahkan dapat mengetahuinya dengan mendengarkan dua contoh podcast yang saya sediakan. Yang pertama membuatku sangat terguncang. Dan yang kedua sangat, sangat bagus. Namun dengarkan satu demi satu dan akan sangat jelas bahwa ada polanya. Kita manusia yang telah menjalani sebagian besar atau seluruh hidup kita di lingkungan media yang intens telah menyempurnakan detektor BS. Beri kami waktu beberapa tahun untuk mempelajari hal ini, dan kami akan dapat melihat AI terbaik yang dihasilkan sekalipun.

Pertanyaan besarnya adalah apakah orang-orang yang membayar pembuat konten akan peduli. Saya pikir mereka akan melakukannya. Tidak diragukan lagi bahwa Jason Perlow, misalnya, menulis artikel teknologi dengan sudut pandangnya yang mendalam. Banyak dari apa yang dia tulis adalah bidang yang kami berdua ketahui.

Tapi saya pastikan untuk membaca tulisannya, karena saya selalu belajar dari sudut pandangnya yang unik. Saya rasa hal itu tidak bisa dikloning oleh AI, dan itulah sebabnya dia memiliki banyak pengikut yang terdiri dari orang-orang nyata yang menghargai suaranya yang unik dan menantikan setiap karya baru yang dia hasilkan.

Jadi, meskipun beberapa penerbit dan agregator media akan selalu mencari solusi yang murah, mereka semua akan mulai berbaur, terutama karena algoritme AI mulai diterapkan berdasarkan blok data pelatihan yang umum, meski sangat besar. Namun ZDNET, dengan penulis unik berpengalaman seperti Jason dan saya, serta editor kami yang tak kenal takut, akan selalu menghargai keunikan, kemanusiaan, dan kedalaman perspektif yang hanya kami bawa -- dan hal itu, secara luas, menjadikan ZDNET keunikannya sendiri. identitas di antara situs teknologi top lainnya.

Itu bukanlah sesuatu yang bisa dilakukan oleh AI, dan mungkin tidak akan pernah bisa dilakukan.