AI又整活儿！千字长文秒变播客

游戏天地 2025年07月05日 03:00 1 admin

来源：IT时报

作者／ IT时报记者潘少颖

编辑／潘少颖孙妍

健身房里、通勤路上、出差途中……在这样的碎片时间，听，是最惬意的一件事，解放双手，解放眼睛，即使是闭目养神的时候，也可以用耳朵打开一片精神天地。

但是，听，不只是音乐、说书这样轻松的内容，如果是一篇分析市场的万字长文、一份晦涩难懂的研究报告、一个专业精深的英文报道，这些没有现成音频的内容可以听吗？而且，这些“生硬”的内容转为声音，是否会机械枯燥？

如何把自己想“听”的任何素材，转换成一个既专业又不会产生“听觉疲劳”的音频？现在有不少可以把素材生成播客的应用。

比如近日豆包PC版全量上线“AI播客”功能，用户只要上传PDF或网页链接，就能一键生成双人对话的播客节目，这一功能基于豆包大模型推出的语音模型，可以模拟真人口语习惯。但目前暂不支持直接输入文本生成播客，豆包App也暂未上线播客功能。

此外，像有道文档FM、ListenHub、扣子空间等也具备根据素材生成播客的功能，这些应用生成的播客能否摆脱“机器味”？

以上播客由ListenHub根据《IT时报》近期报道《售楼处“偷”了我的“脸”》生成

豆包 4000字报道变6分钟音频

一篇新闻，豆包会生成怎么样的播客？

打开豆包PC版，点击“AI播客”，《IT时报》记者上传了一篇本报近期报道《售楼处“偷”了我的“脸”》，几十秒钟，就可以开始听了。但此时还不是完整的音频，豆包采用分段生成的方式，在用户听的同时，后续音频同步生成，缩短等待时间，但听的过程中无法快进或后退。

对于这篇报道，豆包生成的播客标题为《售楼处人脸识别违规成风》，从标题上看，豆包抓准了这篇报道的关键点。

“大家好，今天我们来聊一聊售楼处抓拍人脸识别的问题”，一句开场白就像一档节目的开头，主播和大家打招呼，引出主题。

随后的对话由一男一女根据报道内容展开，这篇报道是基于2025年6月1日《人脸识别技术应用安全管理办法》施行，调查售楼处人脸识别的情况。“在管理办法施行之后，售楼处的人脸识别有没有变化呢？”女主播抛出了这个问题。

“变化并不大。”根据报道内容，男主播得出了这个结论，随后列举报道中的事例，比如北京有人在看房时全副武装地“伪装”自己，把原本的书面语言变得更加口语化，“为了保护自己的隐私，这个看房者把自己捂得严严实实的”。

通过这个案例，两位主播把话题很自然地转到了“现在售楼处收集人脸信息的情况”，引出记者暗访售楼处的内容，比如有的楼盘售楼处大堂区域和沙盘区域装有不少摄像头，基本上能无死角抓拍看房者的人脸等。“更夸张的是，这些人脸信息会被储存1~3个月”，当男主播讲完这句话，女主播马上接一句“真是让人不寒而栗”，就像两个人在聊天。

“现在各地有没有对人脸识别开始罚单”“有啊，当然有”，一问一答，一唱一和，把整篇报道通过对话形式呈现出来，也有自然说话时的语气词，停顿、附和等细节也呈现出来，摆脱了“AI朗读”的影子。

这篇将近4000字的报道最终形成了一段6分钟左右的音频，听完播客如果还不过瘾，可以继续和豆包就相关内容对话，“这篇文章的内容是什么”，“主要围绕售楼处人脸识别技术应用问题展开，揭示了在相关管理办法施行后，强制人脸识别现象仍普遍存在且违规的情况。”

相较于新闻报道，行业分析报告会更显枯燥难懂，有时没有耐心读完一篇很长的报告，那就先让豆包读一下。

《IT时报》记者输入了一篇约1.2万字《2025新能源汽车市场发展趋势与竞争格局研究报告》的网址，完整读完要花一些工夫。“2025年新能源汽车市场会有怎么样的趋势，以及竞争格局会产生怎么样的变化”，很快，主播就把听众引入正题。

报告原文的第一版块是“新能源汽车的发展趋势”，男主播讲述了报告中罗列出的7个趋势，当然不是照读，用口语化的语言呈现，比如“首先从政策上来讲，肯定是越来越大”，契合报告中的“政策支持持续加强”。讲完发展趋势，女主播总结了一句“看来新能源汽车发展既有机遇又有挑战啊”，很自然地过渡到报告第二版块“新能源汽车市场竞争格局”，“想在这个市场站稳脚跟，既要更新技术，还要结合区域政策，也要和合作伙伴保持平衡”，讲完报告中的格局，男主播这样总结。

由于该网站只能免费试读该报告的前6页，两位主播讲完这些免费试读内容后，突然话锋一转，聊起了别的行业，原来他们讲的是网页下方其他领域报告的链接，根据报告标题“做文章”，显得有些不伦不类。

ListenHub 一句话生成完整音频

粘贴链接、上传文件、直接输入文本内容，甚至输入一句话，ListenHub就能快速生成3分钟的短播客，适合碎片时间收听。从内容输入的渠道来看，比豆包更为多元。和豆包一样，ListenHub的播客也由一男一女两位主播负责，一位主要负责提问，替听众问出好奇，另一位则扮演文章作者，分享文章内容。

在ListenHub首页上，有创建、探索等功能，点击“创建”，就能用上述任意一种方式输入内容。《IT时报》记者给ListenHub输入的依然是《售楼处“偷”了我的“脸”》这篇报道的PDF，可以选择“速听精华”和“深度探索”两种模式，“速听精华”的时长为3~5分钟，“深度探索”的时长为6~10分钟，还要选择输出语言，有中文和英文两种。

以“速听精华”为例，生成一段音频需要一两分钟，在生成音频的同时，同步生成大纲和脚本，用户可以边听边看。

根据报道，ListenHub把标题取为《新规后售楼处仍强制“刷脸”：看房者隐私被侵，只为佣金》，抓住了报道中的关键内容。即使选择“速听精华”，ListenHub生成的播客时长还是超过了6分钟，“话说最近人脸识别技术出台了一个新的管理办法，理论上应该更规范，结果你猜怎么着，很多售楼处还是偷偷给人‘刷脸’，这到底是怎么回事”，男主播略带说书式的开场白很能引发听众兴趣。接着，女主播出场了，“这背后，简直就是一出大戏，消费者权益和中介那点小九九，全都搅和在一起了”，从语言风格看，ListenHub比豆包更为有趣。最后，ListenHub呼吁“看房人的这张‘脸’，绝不应该仅仅成为佣金机器上的一个冰冷标签”，呈现的内容很完整。

听完这篇报道，《IT时报》记者依然输入了只能免费试读三分之一的《2025新能源汽车市场发展趋势与竞争格局研究报告》网址，《2025新能源汽车：政策技术双轮驱动，竞争白热化》是播客标题，时长超过5分钟。“聊到新能源汽车，你脑子第一个蹦出来的画面是什么？是满大街跑的电动车还是随处可见的充电桩，是什么让这个市场噌噌地往上涨”，依然用说书式的语言引出主题。如果仅仅看播客脚本，几乎无法和一篇正儿八经的报告联系到一起，因为ListenHub把一篇报告拆解成了口语化的短句与场景化的表达，像朋友之间在聊天一样。

如果是想随便听听，ListenHub更有趣；如果需要明确了解或引用报告中的观点，豆包更合适。

ListenHub生成的这个播客也止于免费试读部分，它及时“刹车”，并没有像豆包一样把网页上的其他内容融入这个播客里。因此，建议如果想要听完整内容，最好输入整篇报告。

除了用新闻和报告作为内容“兜底”，ListenHub也可以根据话题生成播客，只需输入一个话题即可，接下来全靠ListenHub自由发挥。“高考AI填志愿好不好”，收到这个话题，ListenHub开始“研究网站—分析结果—生成报告”三部曲，2分钟后，生成了一个标题为“高考志愿AI：辅助工具，理性为先”的3分钟音频，提出AI通过大数据、算法等就能把千头万绪的院校专业信息整理得清清楚楚，不过AI也有不少“坑”，比如幻觉症、李鬼AI等。如何避免这些坑？优先选用官方AI、多平台交叉验证等。即使没有内容支撑，ListenHub也能生成一个完整的播客。

在ListenHub中，不仅可以制作音频，还可以收听其他用户生成的音频，包括财经、科技、教育等近十个领域，听起来既有料又不累。