智东西

作者 | 陈骏达

编辑 | 心缘

智东西6月17日报道，今天，豆包电脑版和网页版全量上线了AI播客功能。用户上传PDF或网页链接后，可一键生成双人对话的播客节目。

上线后，智东西第一时间对豆包AI播客功能进行了体验。实测中，豆包能将8万词英文文档在3秒内生成为播客节目，用户可在对话界面收听播客，收听的同时，豆包会并行生成后续内容。

豆包交付的AI播客节目以男女双人对谈的形式进行，能对用户上传的网页、文件等进行深度改造，使其更适合听众消费。

AI播客对谈的节奏流畅自然，还会有大量的语气词、附和、停顿，这很好地模拟了真人博客中的口语习惯，有效提升了拟人程度。智东西还了解到，这两个声音是由字节与专业播客创作者联手打造的。

不过，在实测中，我们也发现了豆包AI播客当前存在的部分问题。例如，其生成节目的信息密度并不高，且含有大量重复的句式和语气词，在长时间收听后，用户可能会觉得有些单调。

日前，智东西曾与字节跳动语音中台负责人郑炜明进行交流，他向智东西透露，未来，豆包AI播客的收听体验会进一步丰富，不会只有简单的承接，还能有观点的交流与碰撞。团队已经在开发不同风格的音色，探索音色克隆、风格定制等功能，语种范围也会扩展至中文之外。

先前，豆包·AI播客模型已在字节旗下的AI Agent平台扣子空间上线，并支持一句话生成播客的功能，可自主查找相关话题，输出播客。

一、8万词PDF文件秒出播客，还能自主给节目“划重点”

豆包AI播客功能的入口放在了输入框下方，点击进入后，会跳转出两个选项。用户既可上传文件，也可将网页发送给豆包。不过，目前豆包AI播客仅支持PDF文件的上传。

首先来听听生成效果。智东西将一份8万余词、共140页的起诉书上传给豆包，在花费数秒钟解析文件后，豆包立刻返回了可供收听播客的播放器和一张播客封面图，完整生成一档播客的时间大约在1-2分钟，用户可以边听边等，不影响收听体验。

实测多个案例后，智东西发现豆包生成的AI播客基本遵循了一个特定的模式——女主持人负责控制播客的节奏、提问等，男主持人负责主要内容的讲述。

豆包AI播客所生成的节目的语言风格较为口语化，在收听过程中完全感受不到原文件中正式甚至有些拗口的表达。尽管智东西上传的是一份英文文件，也没有明显的翻译腔。

具体的收听体验层面，可以听到AI主播们会通过调整语速等方式来强调重点信息。豆包也会使用一些语气词和包含情感的评价，这加强了播客的“真人感”。

在网页转播客场景，豆包AI播客能交付不错的结果，不会受到网页上无关信息的影响，基本可以准确反映网页主要内容。

在智东西先前参与的内测中，豆包还会在网页地址栏右侧提供“网页播客”的入口，不过在公测版本中，这一功能尚未上线。

二、可定制性、信息密度仍有提升空间，未来或扩展多人对谈、单口播客

目前豆包AI播客功能的提示词是固定的，用户无法给出播客制作的更具体建议，在可定制化程度上还有些提升空间。系统提示词很简单，就是“生成播客”。

用户暂时也无法直接导出豆包AI播客的生成结果。有需要下载播客的用户可以移步“扣子空间”进行体验，在这一应用中，豆包AI播客及其封面都可导出，还能看到具体的逐字稿。

智东西用不同长度的文本测试了豆包生成的AI播客时长。最终，其生成的节目最长不会超过10分钟，大多集中在5分钟左右。这导致了一些问题：当用户上传高信息量长文档时，可能会被过度压缩和省略；上传简短的内容时，豆包也会煞有介事的讲上两三分钟。

在第一部分的测试案例中，长文档中后半部分内容便被完全省略了。在下方案例中，智东西将一篇数百字的快讯发送给了豆包，由于原本的信息量不大，最终其生成结果也略显单薄。大量语气词、口语化表述和模式化问答的存在，导致信息密度有待提高。

此外，豆包中提供的AI播客功能并不能对材料中的已有话题进行补充，提供背景信息，这可能导致播客在内容深度和广度方面有所欠缺。

结语：AI播客已成热门赛道

近期，AI播客已经成为业内一条相对小众、但获得诸多企业押注的赛道。除了字节的豆包AI播客之外，前段时间，国内头部播客平台小宇宙已经利用MiniMax的语音技术，内测了外语播客一键转中文收听功能。海外的谷歌NotebookLM生成播客功能更是收获一批忠实用户。

中国拥有全球增长最快的播客市场。2025年，中文播客听众的数量预计将突破1.5亿。AI播客有望通过给创作者提供便利、给消费者提供丰富的收听选择，进一步释放这一市场的潜力。