AI生成的不是播客，而是加了自动摘要功能的语音朗读。

最近，字节跳动的豆包推出了 AI 播客功能：只需上传 PDF 或粘贴网页链接，豆包可以自动提炼要点，再让两位虚拟主播用几乎真人的声音对话，生成一档几分钟的对话节目。

在此之前，谷歌的 NotebookLM 也将其 Audio Overview 功能升级为支持中文等 50 余种语言，用户可以直接收听模型对输入信息的语音概括。

这些AI播客的声音确实逼真流畅，但本质上仍只是信息压缩，而非真正的播客创作。

播客之所以动人，靠的是人与人间不可预测的碰撞、主播愿为观点承担的风险，以及大量一手的经验和见解——这些恰恰是 AI 无法复制的。AI没有观点，更不会为观点负责；它没有亲身经历，也无法在对话中产生真正的化学反应。

因此，AI的角色不是替代主播，而是成为创作者的强大辅助。它可以帮你整理资料、辅助剪辑、撰写ShowNotes，甚至将音频转写成高质量的文章。但AI是工具，而不是创作者。

要厘清这一切，我们必须先从那个被叫错的名字开始。

一、“AI播客”是信息压缩，而非内容创作

AI播客，最大的问题是取错了名字。

无论是字节的豆包，还是谷歌的NotebookLM，它们更直接的对标物，应该是微信读书的语音朗读功能，而不是苹果播客、小宇宙上的那些播客节目。

我们可以从信息输入的角度非常明显地判断这一点。

不管是NotebookLM还是豆包的AI播客，都要求你先粘贴一个链接，或者上传一份PDF文档。AI的工作，是把这些长篇文本，压缩、转换成一段听起来流畅的语音对话。

这个流程，本质上是在压缩信息，而不是创造新信息。

一个人类主播，他在录制播客时，即便有详细提纲，提纲里的资料也来自读书和看报道。但他在写提纲和讲述的过程中，一定会产生自己的见解，加入自己的观点和情感。他不是纯粹地压缩信息。

但目前的AI播客做不到这一点。大语言模型的本质，只是一个高级的复读机。它所做的，就是根据概率，把各种各样的文本拼贴起来。它当然能说出漂亮的句子，但它没有自己独立的见解，没有原创的思考。

更重要的一点是，大语言模型没有情感，也没有价值判断。它只是在执行指令，把已有的信息缝合、拼接起来。而人在讲述任何信息的过程中，都不可避免地会加入自己的主观见解和情感。正是这些主观的东西，才是AI给不了我们的。

这里有一个问题：既然AI只是在压缩信息，为什么还要费力模拟成两个人的对话？

答案很简单：因为听对话比读文字更省力。

把一篇浓缩的摘要，用一问一答的形式讲出来，能让文字信息变得更容易吸收。这是一种更友好的信息呈现界面，降低了用户获取信息的门槛。

但这恰恰证明了AI播客的工具属性。这种设计的目的，是为了最低门槛地传递信息，而不是为了交流思想或碰撞观点。它依然是“语音朗读”，只是换上了一个更巧妙的外壳。

二、AI无法复刻人

既然AI只是在压缩信息，那么它能替代的，就只有那些同样只在搬运和压缩信息的节目。

我们完全可以想象一个全自动的工作流：一个Agent每天定时抓取彭博社、华尔街日报的文章，改写成快讯，再用一个逼真声音播报出来。这和我们现在听到的很多资讯类播客，几乎没有区别。

事实上，这已经发生了。2024 年，英国 GB News Radio 推出“AI Sports Bulletins”，把体育新闻自动压缩成 30 秒播报。上线后一个季度，电台周收听人数由 51.8 万升至 61.1 万，超过了人工快讯时段收听规模。这完全合乎逻辑。当收听的目的只是为了方便快捷地获取信息时，我们并不在乎是人念的，还是AI念的。

该广播公司表示，体育新闻简报由生成式人工智能基于gbnews.com上的文章撰写，随后由GB News主持人Tatiana Sanchez的“虚拟声音”朗读

但是，一旦内容超出了纯粹的资讯摘要，AI就无能为力了。

播客之所以吸引人，是因为那种“活人感”。比如纽约时报的新闻播客“The Daily”，主持人不仅会概述报道，还会把写这篇报道的记者请到节目里。记者会亲口讲述他在现场的见闻，以及那些没能写进报道里的、和新闻当事人的对话。这些细节是鲜活的。AI播客生成不了这种内容，因为它没有在新闻现场，也无法产生真实的感受。

更核心的是，播客的魅力来自主播本人。来自他们不可预测的临场反应，来自他们愿意为自己的观点承担的风险。

前段时间，有个流行的测试，让豆包生成上海人和河南人的图片。AI画出了西装革履的上海人和蹲在路边的河南老农。

豆包已经修复了地域刻板印象，图片来自此前生成

大家看到这种带有刻板印象的AI生成图片，会被深深冒犯到吗？大概率不会。

人们只会觉得，这个AI在互联网上学到了地域歧视的梗，但你不会真的觉得豆包这个AI很坏。

但我们想一想，假如是一个有名的播客主播，认真地在节目里说：“我觉得上海人就是比河南人高贵。”

那听众是一定会愤怒的。

这就是区别。我们对一个人的话产生强烈反应，是因为话语背后有一个需要为之负责的、活生生的人。而AI没有这个“人”的身份，它说的任何话都不用承担风险。

因此，你很难像喜欢或讨厌一个人一样，去对待一个AI。

三、AI的真正价值：辅助内容创作

AI永远不会替代主播。

因为它没有独立的思想，而主播有。AI的真正价值，不是成为主播，而是成为主播的强大辅助。对整个内容行业来说，都是如此。

具体到播客行业，AI已经能极大地提升制作效率。

在内容筹备阶段，很多主播在用知识库工具来整理资料。比如腾讯iMa和YouMind。你可以把大量的PDF、文章链接扔进去，让AI帮你总结摘要，撰写提纲。这种从被动阅读到主动提问的转变，让资料整理的效率大大提高。

在播客剪辑中，AI同样帮助巨大。Adobe Podcast的“Enhance Speech”AI降噪功能，只用把手机录音拖进网页，它会自动分析音频，滤掉底噪、混响，让人声变得更加清晰、干净。剪映的AI剪辑功能，能把语音转录成文字，让用户对着文字稿来剪音频，操作更加简单直观。

播客剪辑完成后，用ChatGPT、Gemini来写ShowNotes已经是常见现象。AI正适合这种不需要原创观点，强调结构化的写作。

在播客发布后，你甚至可以用AI把一期节目转写成一篇完整的文章。播客《脑放电波》就用这种方式，把好几期节目转成了文章，质量高到可以被虎嗅直接转载，文章读者也几乎无人发现这是AI写的。

这些例子都指向同一个事实：AI可以极大地赋能创作者，但它无法替代创作者本身。

当然，在内容行业里，还有一个环节是AI目前没能有效突破的：长内容分发。

播客这种动辄一两个小时的长内容，收听成本非常高。如果用户点进去听了几分钟发现不喜欢，时间就被浪费了。理论上，AI应该能促进长内容的分发。比如有创业团队做了一个叫ChatPods的产品，就尝试用AI把几期你可能感兴趣的播客节目，总结成几分钟的音频摘要，让你先听摘要再决定。

但这个尝试的效果并不好，除了开发者有名气，ChatPods本身几乎没有引起人们的讨论。

核心原因在于如果用AI去总结资讯类播客，就等于把别人已经压缩过一遍的信息再压缩一遍，价值不大。如果用AI去总结《忽左忽右》《随机波动》这类对话节目，那就更没有意义了。我们听这类节目，不只是为了获取信息，就是为了听主播聊天，听他们用自己独特的方式去讲述一个故事。

所以，如何用AI更好地分发播客内容，目前Spotify和小宇宙也还没有找到答案。

但这恰恰再次证明了我们的核心观点：AI是强大的工具，但播客的灵魂，永远是那个愿意分享观点、承担风险、在麦克风前创造不可预测瞬间的，活生生的人。

很多成功的主播开始做播客的起点，都是他们自身强烈的表达欲望。绝大部分人一开始的表达都无可避免地显得稚嫩生涩，但这并不重要。强烈的表达欲望会驱使人逐渐找到适合自己的领域，找到自己的舒适区，从而表达得越来越流畅。

这个过程在内容创作者身上重复发生了无数次。但是，AI没有欲望，没有主观能动性，AI不会驱使自己体验更多经历、认识更多的人、学习更多经验、产生更多见解。至少，现阶段的大语言模型做不到。

即便AI播客生成的语音，听起来比大多数播客主播更流畅清晰。但是，听众所喜爱的，恰恰是不完美的真实：是声音背后那个会犹豫、会犯错、会激动，并最终愿意为自己的观点负责的，真实的人。

本文来自微信公众号：播客一下，作者：咸鱼