引言

在這個數位時代，Podcast 已經成為許多人通勤、運動或放鬆時的首選娛樂方式。不過，隨著 Podcast 節目數量不斷增加，聽眾們面臨著一個共同的挑戰：如何在海量內容中，快速找到真正值得一聽的好節目呢？今天，我想和大家分享我利用 AI 技術自動生成 Podcast 摘要的想法與實作過程，希望能為同樣熱愛 Podcast 的您，提供一個全新的解決方案。

AI 驅動的 Podcast 摘要系統

現有工具的侷限性

目前，我訂閱了 Podcast 工具 Podwise。Podwise 提供了豐富的摘要功能，讓我能夠快速掌握高品質節目的重點內容。然而，由於我選的是標準方案，每月只能處理 20 集 Podcast，對於像我這樣愛聽各式各樣節目的聽眾來說，這個額度有點捉襟見肘。此外，對於一些娛樂性質較強的節目，Podwise 生成的摘要感覺有點大材小用。因此，我開始思考，是否有更高效、更靈活、且成本更低的方法來產生 Podcast 摘要。

說實話，其實就是不想再花錢充值 Podwise 的額度啦。
貴！從來不是產品的缺點，而是我的問題...

AI 自動生成 Podcast 摘要流程

此圖片使用 Napkin AI 產製

為了解決上述問題，我決定自己動手，模仿 Podwise 的流程，利用 AI 技術來自動生成 Podcast 摘要。以下是我構思的主要步驟：

1. 語音轉文字：

使用 OpenAI 的 Whisper 技術，將 Podcast 的語音內容精確地轉錄成文字。
這一步驟是整個流程的基石，確保後續的內容分析有充足且準確的資料來源。

2. 內容分析與摘要生成：

運用先進的 AI 模型，對轉錄後的文字內容進行深入分析。
（Optional）加入推理機制，例如 ReAct agent，來提升摘要的品質和深度。

3. 結構化摘要輸出：

AI 模型最終會生成一個結構化的摘要，包含：

• 主要觀點
• 節目大綱
• 精彩片段

讓我能夠在短時間內掌握節目的精華，決定是否深入聆聽。

技術實作的具體步驟

為了實現這個 AI 驅動的摘要系統，我計畫採用以下工具和方案：

• 使用 Dify AI 或 n8n 等自動化工具，串聯整個流程。
• 利用 Replicate 的 thomasmol/whisper-diarization 進行語音到文字的轉換。
• 選用 Claude 3.5 Sonnet 或 Gemini 1.5 Pro 進行自然語言處理和內容分析，並生成結構化摘要。

我打算在這個週末進行測試和實作，逐步優化這個自動化流程，確保其穩定性和準確性。透過不斷的實驗與調整，我相信這套系統能夠大幅提升 Podcast 摘要生成的效率，滿足更多聽眾的需求。

謎之聲：有沒有可能進行到後面，發現不如直接用 Langchain 框架來實作會更快？

踏出第一步

目前，這僅是我初步的構想，尚未開始具體的技術實作。然而，這個想法已經為我開啟了一條全新的探索之路。未來的幾天裡，我將持續發表相關文章，並進行更多實驗與優化，逐步打造一套高效、精準的 AI 自動化 Podcast 摘要生成系統。

希望我的分享能激發您對 AI 技術在 Podcast 領域應用的興趣，也歡迎您一同參與討論與交流，共同打造更好的聆聽體驗！