谷歌NotebookLM迎来一系列新功能升级,进一步提升了这款优秀AI工具的灵活性和易用性。无论用于何种用途,NotebookLM都能帮助用户充分利用数据,将其转换为多种输出格式,只需一键点击就能将零散笔记转换为播客、视频、信息图表等内容。
本月早些时候,谷歌发布了NotebookLM的电影级视频概述功能,结合了Gemini、Nano Banana Pro和Veo 3等谷歌顶尖人工智能工具,为原有功能添加了丰富的动画和样式效果。
幻灯片修改功能
谷歌为NotebookLM引入了用户期待已久的幻灯片修改功能。此前,幻灯片一旦创建完成就无法修改,只能作为静态图片使用。现在用户可以通过简单的指令来修改幻灯片内容。
该功能允许用户审查幻灯片并对任意数量的幻灯片提出具体修改要求。提交编辑请求后,系统将生成全新的幻灯片组,所有修改都会体现在新版本中。
目前虽然还无法手动编辑幻灯片中的单个元素,只能重新生成,但这已经向未来的完全可编辑功能迈出了重要一步。该功能面向所有18岁以上用户开放。
新增信息图表样式
对于喜欢数据可视化的用户,NotebookLM现在提供10种不同的信息图表样式选择,包括素描笔记、粘土风格、说明性图表等多种风格,用户可以根据要讲述的故事选择最合适的外观和格式。如果用户未指定样式,NotebookLM将根据源材料自动选择合适的样式。
这些新的信息图表样式同样面向所有18岁以上用户开放。
测验和闪卡功能更新
测验和闪卡功能获得多项改进,提升了整体使用体验。用户现在可以删除单个测验问题和闪卡,所有会话的进度都会自动保存,还可以将单个问题标记为"掌握"或"遗漏",便于在下次测验时重点关注薄弱环节。测验完成后的结果页面也得到了优化,提供更好的查看体验。
这些测验和闪卡更新现已面向所有用户开放。
文件支持和导出格式扩展
NotebookLM支持多种文件类型作为源材料,现在又新增了EPUB格式支持。这种开源电子书标准格式现在可以直接上传作为源材料,为AI工具的使用带来了极其有用的新选择。
此外,幻灯片现在可以导出为PPTX格式,这意味着NotebookLM生成的幻灯片可以在Microsoft PowerPoint中打开和编辑。
直接从聊天创建内容
NotebookLM现在允许用户直接从聊天界面创建各种内容。这意味着用户可以基于与Gemini的现有对话创建音频概述、报告、信息图表等内容,无需手动打开Studio选项卡。
Q&A
Q1:NotebookLM的幻灯片修改功能是怎么工作的?
A:用户可以通过简单的指令来修改已创建的幻灯片。具体操作是审查现有幻灯片,对需要修改的地方提出具体要求,然后系统会生成包含所有修改的全新幻灯片组。目前还无法手动编辑单个元素,只能通过重新生成来实现修改。
Q2:NotebookLM支持哪些新的文件格式?
A:NotebookLM新增了EPUB格式支持,这是电子书的标准开源文件格式,现在可以直接上传作为源材料。同时,生成的幻灯片现在可以导出为PPTX格式,方便在Microsoft PowerPoint中打开和进一步编辑。
Q3:NotebookLM的信息图表功能有什么新变化?
A:NotebookLM现在提供10种不同的信息图表样式选择,包括素描笔记、粘土风格、说明性图表等多种风格。用户可以根据要讲述的故事选择最合适的外观和格式,如果不指定样式,系统会根据源材料自动选择合适的样式。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。