Design For AI
播客之类的音频内容，天然地信息密度较低、相对价值也较低。使用 ChatGPT 等 AI 技术加工播客等音频内容，提炼出有价值的信息，将明显提升音频内容的价值。
推友 @GanymedeNil 和“津津乐道播客”合作，利用 ChatGPT 和自定义的 prompt，把 281 期“津津乐道播客”节目转成了 1.8 万个中文问答对，并公开了所有数据。这是已知的第一个中文播客语料库，向社会开放这些数据，会为相关领域的产品开发和设计助一臂之力。
解决了什么问题
相比一般的内容摘要，为播客、谈话、演讲等音频内容生成问答对，好处是处理之后的信息密度更高。
举个最通俗的例子，如果你把大领导两个小时的长篇演讲，汇总加工成演讲摘录，方案 A 是生成 800 字泛泛的会议纪要，估计就是几十句似是而非的车轱辘话，而方案 B 总结出了 20 大问题及其解答，简明扼要还字字珠玑…你觉得哪个摘录显得领导更伟大？
回到“津津乐道播客”这个例子，给播客内容做摘要其实很困难。
播客本身的特点是信息密度特别低，而且像“津津乐道播客”这种以经验见长的播客，即便有方法能生成内容摘录，很可能只能生成泛泛的摘要，很难从松散、稀疏的内容里挑出高价值的经验。
而其他一些偏想法、偏讨论的播客，节目内容大比例是思想的交流和碰撞，并没有太多明确的观点和结论。大家可以设想一下，如果许知远老师侃侃而谈一小时，一般摘要算法可能只是说一句正确的废话，而完全 get 不到他说的任何要点。
所以把播客内容转化为问答对，这就很有价值了。
按照一般语速、一般节目时长估算，“津津乐道播客”所有音频节目转成文字后大约有 300 万汉字。从这么多文字中生成 1.8 万个问答对，差不多是每 150 字、或者说每 1 分钟对话总结出一对问答，这个效率其实非常之高。
而且问答对的信息质量也相当之高，比如我截屏的这一组问答对，聊的是远程工作的经验，毫无废话、毫无似是而非的观点、也没有 ChatGPT 特有的漂亮屁话 – 每一句都是真正的经验之谈。
@GanymedeNil 曾利用 ChatGPT 把“默沙东诊疗手册” 制作成为专业数据库、问诊 AI，受到业界强烈关注。这次他又着眼于数据，发布基于播客节目的公开语料库。他表示，时机成熟后，他会公布制作中文播客语料库的相关 prompt，非常期待！
产品设计想象空间
现在还属于 LLM 类 AI 产品设计的早期，除了 ChatGPT 这些基础架构类的产品，多数第三方和独立开发者开发的 AI 产品偏向于工具，而有意无意地忽视了更重要的“数据”。这个中文播客语料库的公布，为音频内容相关的 AI 产品设计带来了新的可能。
例如利用这些数据，开发者既可以自建基于经验、类似 FAQ 的 AI 知识库，又可以针对音频内容的特点，设计数据导向、内容导向的 AI 产品。
又比如创建中文播客语料库的这套方法，还可以用于课程、演讲、会议、演示等等音频和视频内容的转化，多少沉寂的音频内容即将二次投胎。
至于通过以上方法，获得一个播客、课程、演讲、会议、演示…的问答对，二次加工后形成一个独有的垂直知识库之后，到底能有什么具体的应用，那就可以随便想象了。
毕竟数据才是今天最值钱的硬资源。
