隐约记得自己好像评论过podwise，但是不知道为啥没看到评论。可能我失忆了或者网络不好没有发出去。 前段时间刚付费1年订阅。但其实去年就想买了（当时没买是因为不怎么听播客而且会员太贵了）。 照例是先讲优点和我为什么选择它： 对我来说，重要的是降低了个人从播客中获取信息的成本。 我是一个更喜欢文字阅读的人，声音对我来说信息密度太低了，说话还不如打字快，听播客也不如直接看文章快。 以前我是不听播客的，因为强迫我自己静下来听人讲话无异于强迫我开会，当然，另外存在一种偏见：好的内容为什么没有文字稿。 因此，在某次从一个播客文字稿中发现高质量信息之后，我意识到完全摒弃一种信息渠道无异于自断臂膀，于是就一直有语音转文字再整理文稿的需求。 我尝试了自己调API转文本，再用AI整理，然后发现太贵了，时间开销也不低，还要维护自动化，这并不是一个合格的ROI。 我找了一些其他方法：比如找现成的文字稿、找免费的语音转文本、找播客transcript网站，都不够。 然后发现了podwise，这是一个很巧妙的实现：替大家整理podcast的内容，然后降低个人的交易成本来获取价值。 其实那些AI功能对我来说都没啥用，我只用两个模块：Highlights + transcript 和两个功能： translation + send to notion. 这足够帮助我快速地理解一个播客有什么有价值的信息，以及把它们变成笔记。 另一个值得点赞的地方： 如果某个播客的处理效果不太好，我去做了反馈之后，隔了一段时间再打开，就已经是符合预期的改进版本了。 当然，我认为现在还是有一些不足，或者待改进点的： 第一块是AI的使用： 1. 大致看了一些AI总结和AI提取的核心观点，有时有一些比较明显的事实错误（我不确定是来自于stt的错误还是AI本身的幻觉）。 2. AI生成内容的一个很明显的缺陷在总结中体现得非常明显： 越早出现的内容在LLM的记忆中占有越大的比重。 很多长播客提炼出来的核心观点其实对前半部分的着墨高于后半部分。 3. 对于长播客，常常Highlights 只覆盖了前1个小时的部分。 非AI部分： 1. transcript部分仍有待改进，识别效果有时明显较差。建议stt之后再用AI根据上下文或主题去修正一些明显的名词识别错误。 2. 热门播客或排序中建议增加一些数据来辅助判断是否有听的必要。因为我不常听播客，不知道有哪些作者或作品比较好。非得花时间去看播客的内容的再来判断听不听的话，不如直接给一个简单的数据“xx人听过,xx人like”之类的，有一个大致的心理预期。虽然这可能会导致排序的异化，但的确会节省第一步的判断的时间。