我想ChatGPT偷學的Gemini功能，最近變得更強大了
自從ChatGPT Plus用戶可以使用Deep Research功能後，我一直用它來做各種深入研究。這種更長、更詳盡的報告，對於想深入了解某個話題，比一般和AI的簡短對話更有用。它非常適合查詢想買的產品或想去的旅遊地點。
舉例來說，我曾用ChatGPT Deep Research計劃東京之旅，未來也會用它規劃其他地方。因為報告內容豐富，我不需要一次過看完，而是可以隨時回來翻閱部分內容。
但當我請ChatGPT列出符合特定條件的「step-on」滑雪板靴款式時，這份深度報告就得仔細看才能決定買哪款。報告很長，而我正準備跑下一場馬拉松，於是決定用它的朗讀功能聽它念出來。
結果呢？不太理想。可能是朗讀速度太慢，我沒空等。於是我用iPhone的備忘錄複製整份報告，再啟用無障礙功能讓Siri在我跑步時朗讀，螢幕還要一直開著。
與此同時，Google的Gemini有一個超讚功能，可以把AI對話變成播客，叫做Audio Overviews。這功能最初在去年9月的NotebookLM亮相，後來Google把它帶到Gemini app，而且功能還在進步，而OpenAI卻還未抓住這個大好機會。
Audio Overviews能把任何AI對話變成一個有AI主持的播客，主持人會討論你交代Gemini做的事情。例如你上傳一堆長文件，請Gemini總結或回答問題。與其看詳細報告，不如聽AI主持的播客，我肯定會這樣做——只可惜ChatGPT還沒有這功能。
回到我剛才那例子，我只能聽Siri用單調聲音念那份長長的Deep Research報告，跑步時很容易走神，完全聽不入腦。
這份Deep Research報告本來是我選滑雪板靴的好方法，但我根本記不住內容，得再「聽」一次。
令人驚訝的是，Siri朗讀還算流暢，沒有停頓或卡頓。但整體感覺好無趣，Siri那種平穩語調，缺乏角色互動，反而令我更難集中精神，尤其是當天我心思飄忽。
如果是有兩位AI嘉賓主持的播客效果就完全不同，他們會輪流討論主題，甚至互相插嘴，這就是Audio Overviews令人興奮的地方。雖然我聽播客時偶爾也會走神，但播客更有趣味，主持人有個性，比起Siri讀長文好多了。
Audio Overviews支援超過50種語言，對不講英語或多語言用戶來說是大好消息。
用戶還可以上傳不同語言的內容，無需翻譯，直接轉成自己喜歡語言的播客。
正如文章最後短片所示，Gemini AI播客主持人會在不同語言中保持個性與語氣，彼此互相打趣和打斷，呈現資訊，無論用什麼語言都一樣生動。
我非常羨慕這功能，尤其試過把ChatGPT Deep Research用Siri「播客化」後，效果總是差強人意。試過多次，結果都一樣。我寧願在ChatGPT app內直接做到。
如果這是Audio Overviews，第二個角色現在應該會插話，告訴我OpenAI的ChatGPT技術其實有條件做到這種播客。
首先，ChatGPT能處理各種輸入，包括檔案、圖片和文字，並能產生大型Deep Research報告。
其次，ChatGPT可以朗讀答案，且有先進語音模式，支援多種個性化聲音。
最後，ChatGPT本身已支援多種語言，包括上述多聲音模式。
將這些功能結合起來，就能做出像Audio Overviews那樣的功能，讓用戶按個按鈕，就能把對話變成有兩位虛擬主持人的播客。
當然，我本可以直接用Gemini來滿足這需求，享受AI播客娛樂。但我始終是ChatGPT用戶，它是我主要的AI聊天機器人，我不會輕易轉用其他平台。
不過既然各大AI公司都在競爭，推出相似功能，我希望OpenAI能盡快推出自己的AI播客版本，別再讓競爭對手領先。
—
評論與啟發
這篇文章凸顯了AI語音與內容消費方式的下一波革命：從純文字到多角色播客互動的轉變。Gemini的Audio Overviews功能不單是把文字轉語音，而是模擬多角色對話，讓資訊更生動、易於吸收，這正是當今用戶在碎片化時間內渴望的內容體驗。
相比之下，ChatGPT目前雖有先進語音和多語音人格功能，但缺乏將這些特性整合成一個完整的「AI播客」體驗，顯示OpenAI在用戶體驗設計上還有進步空間。這提醒我們，技術能力並非唯一關鍵，如何包裝及呈現內容，才是吸引用戶的致勝點。
此外，Gemini支援多語言且能保持角色特性，顯示AI跨語言互動的潛力巨大，對全球多語言市場是重大利好。OpenAI若能迅速跟進，整合其多語言和多角色語音技術，將在國際市場更具競爭力。
最後，這種AI生成播客的概念，或許能催生新的內容創作形態：用戶不再是被動閱讀者，而是能主動定制個人化、角色互動的知識播客，甚至在運動、通勤等場景中用更輕鬆方式獲取深度資訊。這是未來AI助理與內容消費融合的趨勢，值得業界密切關注與投入資源開發。
以上文章由特價GPT API KEY所翻譯及撰寫。而圖片則由FLUX根據內容自動生成。
