من متنفرم که «Rewind» مبتنی بر هوش مصنوعی Riverside را برای پادکسترها دوست دارم
I hate that I love Riverside’s AI-driven ‘Rewind’ for podcasters
پلتفرم ضبط پادکست آنلاین Riverside با نسخه خاص خود از بررسی پایان سال مانند "Wrapped" Spotify منتشر شد. خلاصه ای که "Rewind" نام دارد، سه ویدیوی سفارشی برای پادکست ها ایجاد می کند. ریورساید به جای به اشتراک گذاشتن آمارهایی مانند چند دقیقه ضبط یا چند قسمت ساختن، یک کلاژ 15 ثانیه ای از خنده ایجاد کرد که مجموعه ای سریع از کلیپ ها را نشان می دهد که در آن من و مجری پادکستم یکدیگر را به هم می ریزیم. ویدیوی بعدی مشابه است، با این تفاوت که این یک سوپرکات از ما است که بارها و بارها «امم» میگوییم. سپس، ریورساید رونوشتهای ضبطشدهتان را که توسط هوش مصنوعی تولید میشود اسکن میکند تا متوجه شود چه کلمهای را بیش از هر کلمه دیگری گفتهاید (فرض میکنیم که آنها کلماتی مانند «و» یا «the» را حذف میکنند). کمی کنایه آمیز است، اما در پادکست من درباره فرهنگ اینترنتی، من و میزبان مشترکم بیشتر از هر کلمه دیگری گفتیم «کتاب» (این احتمالاً توسط ضبطهای «باشگاه کتاب» فقط مشترکان ما منحرف شده است... یا این واقعیت که میزبان مشترک من کتابی منتشر میکند که دائماً آن را وصل میکنیم). برنامه دیگری در شبکه پادکست ما، Spirits، بیشتر از هر کلمه دیگری «آماندا» را میگفت (نه به این دلیل که آنها به من وسواس دارند، بلکه به این دلیل که یک مجری به نام آماندا نیز دارند). در Slack شبکه پادکست، ویدیوهای Rewind خود را رد و بدل کردیم. چیزی ذاتاً خنده دار در مورد ویدیویی از مردم وجود دارد که بارها و بارها «امم» می گویند. اما ما همچنین می دانیم که این ویدیوها چه چیزی را نشان می دهند: ابزارهای خلاقانه ما با ویژگی های هوش مصنوعی اشباع می شوند، که بسیاری از آنها را نمی خواهیم یا نیاز نداریم. Riverside Rewind به بیفایده بودن خود این ابزارها اشاره میکند – چرا من نیاز به ویدیویی از میزبان مشترکم دارم و من کلمه «کتاب» را بارها و بارها میگویم؟ برای خنده سریع خوب است، اما هیچ ماده ای وجود ندارد. اگرچه من از خلاصهنویسی هوش مصنوعی Riverside لذت بردم، اما ورود آن در زمانی اتفاق میافتد که همتایان صنعت من فرصتهای ایجاد، ویرایش و تولید پادکستهای جدید را به لطف همان ابزارهای هوش مصنوعی که ویدیوهای Rewind ما را تولید کردند، از دست میدهند. اما در حالی که هوش مصنوعی به ما اجازه می دهد تا برخی از کارها را خودکار کنیم - مانند ویرایش "امم" و هوای مرده خود - پادکست به خودی خود آنقدرها هم مکانیکی نیست. هوش مصنوعی میتواند به سرعت رونوشتی از پادکست من تولید کند، که به دلایل دسترسی مهم است و به خودکارسازی فعالیتهایی که قبلاً بسیار وقتگیر و خستهکننده بود کمک میکند. با این حال، هوش مصنوعی قادر به انتخاب سرمقاله در مورد نحوه مانور دادن به صدا یا ویدئو برای بیان یک داستان به طور موثر نیست. برخلاف ویراستارهای انسانی که با آنها کار می کنم، هوش مصنوعی نمی تواند تعیین کند که یک مکالمه مماسی در یک پادکست چه زمانی خنده دار است و چه زمانی باید قطع شود، زیرا کسل کننده است. علیرغم ظهور ابزارهای صوتی هوش مصنوعی شخصیسازیشده، مانند NotebookLM گوگل، توانایی آن برای خدمت به عنوان یک ابزار ایجاد نیز اخیراً شاهد شکستهای بسیار بالایی بوده است. هفته گذشته، واشنگتن پست شروع به انتشار پادکست های شخصی سازی شده با هوش مصنوعی درباره اخبار روز کرد. میتوانید ببینید که چرا این ایده برای مدیران تشنهی سود یک ایده «خوب» به نظر میرسد – به جای پرداخت پول به یک تیم برای انجام کارهای فشرده تحقیق، ضبط، ویرایش و توزیع روزانه، میتوانید آن را خودکار کنید – مگر اینکه نمیتوانید. پادکست ها نقل قول های ساختگی و اشتباهات واقعی را منتشر می کردند که از نظر وجودی برای یک سازمان خبری خطرناک است. به گفته سمافور، آزمایش داخلی پست نشان داد که بین 68 تا 84 درصد از پادکستهای هوش مصنوعی استانداردهای این نشریه را برآورده نمیکنند. به نظر می رسد این یک تفسیر نادرست اساسی از نحوه کار LLM است. شما نمی توانید یک LLM را طوری آموزش دهید که واقعیت را از داستان متمایز کند، زیرا به گونه ای طراحی شده است که محتمل ترین خروجی را از نظر آماری برای یک اعلان ارائه دهد، که همیشه صادقانه ترین خروجی نیست - به ویژه در اخبار فوری. ریورساید کار بسیار خوبی را انجام داد و محصولی سرگرمکننده برای پایان سال ساخت، اما این یک یادآوری نیز هست. هوش مصنوعی در هر صنعت از جمله پادکست نفوذ کرده است. اما در این لحظه از «رونق هوش مصنوعی»، در حالی که شرکتها با فناوریهای جدید دست و پنجه نرم میکنند، ما باید بتوانیم بین زمانی که هوش مصنوعی به ما خدمت میکند و زمانی که خوراک بیهوده است، تمایز قائل شویم.
- Media & Entertainment
- Podcasting
- Riverside


