NotebookLM 完全活用指南 — 從 AI 轉錄到 Podcast、影片、Infographic 的一站式工具

大多數人認識 NotebookLM 的方式是這樣的：把 PDF 丟進去，問幾個問題，得到帶有引用來源的答案。這確實是它的核心能力之一，但如果你只用這個，你大概只發揮了 8% 的潛力。

2024 年底 Google 開放 NotebookLM Plus（現在叫 Pro），帶來了一批讓人意外的輸出格式：對話式 Podcast（兩個 AI 主持人真的在「討論」你的文件）、Infographic（一頁視覺摘要）、八種風格的解說影片、投影片……這些不是邊緣功能，而是整套內容生產流水線的核心。

在 SuperPortia，我們追蹤 AI 工具生態已經超過一年。這次我們把 NotebookLM 的全部能力系統性地整理出來，說明每個功能怎麼用、適合什麼場景，以及我們自己計畫怎麼把它整合進 Agentic Blog 和 KOL 情報流水線。

NotebookLM 是什麼（快速定位）

NotebookLM 是 Google 在 2023 年推出的 AI 知識管理工具，核心概念是「以你提供的文件為唯一知識來源」的 RAG（Retrieval-Augmented Generation）系統。這讓它不同於一般 LLM 聊天工具：它的回答永遠只來自你放進去的來源，不會隨意發揮。

支援的輸入格式包括：PDF、Google Docs/Slides、網頁 URL、YouTube 連結（自動轉錄字幕）、Google Drive 檔案、純文字貼上。

每個 Notebook 最多可以放 50 個來源（Pro 版 300 個），每個來源最多 500,000 字。

13 種輸出格式完整清單

這是大多數文章沒有完整整理過的部分：

多數人只用了 8%：功能使用率分析

調查 NotebookLM 的典型使用情境，大多數人的用法是：

1. 上傳研究論文 → 問問題 → 得到有來源引用的答案
2. 上傳長篇文章 → 讓它摘要

這等同於只使用了 RAG 問答功能，對應上表大概是 1-2 個格式，換算使用率約 8-12%。

真正高槓桿的功能反而是那些「輸出導向」的格式：你不是在問它問題，而是讓它把你的知識轉換成一個完整的內容產品——一集 Podcast、一張 Infographic、一支解說影片。這些輸出可以直接發布，不需要後製。

在 SuperPortia 我們坦承：在開始系統性規劃之前，我們的使用率也差不多停在 8%。

完整工作流程：從部落格文章到多媒體套件

以下是我們正在建立的標準工作流程，把每篇文章發布後的「最後一哩路」自動化：

flowchart LR
    A[文章撰寫\nMarkdown] --> B[轉換 PDF\n或貼文字]
    B --> C[加入 Blog Audio\nNotebook]
    C --> D{選擇輸出}
    D --> E[Audio Overview\n對話式 Podcast]
    D --> F[Infographic\n視覺摘要]
    D --> G[Report\n文章文案版本]
    E --> H[下載 .mp3\n放入 /public/audio/]
    F --> I[下載 .png\n放入 /public/images/nlm/]
    G --> J[複製貼上\n到 FB 貼文草稿]
    H --> K[更新 frontmatter\naudio_url]
    I --> L[更新 frontmatter\ninfographic_url]
    K --> M[部署\n音頻播放器自動出現]
    L --> M

這個流程的關鍵在於：NotebookLM 做的是「格式轉換」，Claude 或其他 LLM 做的是「內容優化」，兩者分工清楚，不互相重複。

SuperPortia 的五個 Notebook 架構

我們規劃用五個 Notebook 對應不同的內容流：

每個 Notebook 的來源不混用。來源混用是 NotebookLM 生成品質下降的主要原因：當 Notebook 裡既有技術文章又有 KOL 貼文，Audio Overview 的主持人會不知道要聚焦哪個方向，結果什麼都說、什麼都說不清楚。

Audio Overview 實際體驗：比你想像的好

Audio Overview（尤其是對話式）是 NotebookLM 目前最被低估的功能。實際使用的感受：

好的地方：

• 兩個主持人（一男一女聲音）真的有來回的對話，不是輪流唸稿
• 他們會提問「等等，這裡我不太懂，你說的意思是……」然後另一個解釋——這種節奏非常接近真實 Podcast
• 對技術主題的處理比多數真人 Podcast 還要準確（因為來源是你提供的文件，不會亂說）
• 中文支援良好（但口音有台灣國語 + 大陸普通話混合的感覺）

限制：

• 無法自訂主持人名字或口吻
• 不能控制長度（NLM 自動決定，通常 5-15 分鐘）
• 下載格式只有 .mp3，沒有逐字稿輸出（需要自己跑 Whisper 轉錄）
• 同一個 Notebook 重複生成，內容會有差異（不是固定結果）

對我們來說，最實用的場景是：把一篇 2000 字的技術文章轉成 8 分鐘的 Podcast，嵌入文章頁面，讓不想讀長文的讀者可以直接聽。

成本分析：為什麼值得用 Pro

對比自己用 Claude API 生成等效內容的成本：

• 34 篇文章 → Podcast 腳本：約 $10-20（Claude API）
• 12 位 KOL 月報：約 $5-8
• 每週 Infographic 文字層：約 $3-5
• 月計：$18-33

切換到 NotebookLM Pro 後，這些工作量的 LLM 成本歸零。理由很簡單：讓 Google 的基礎設施做格式轉換，把 Claude tokens 留給真正需要推理的任務。

我們的下一步

計畫中三個具體的整合動作：

1. Blog Audio Pipeline：為現有 34 篇文章批次生成 Audio Overview，測試品質後決定是否全部發布。從 5 篇文章開始，評估後才推廣。

2. KOL-STT Notebook 建立：把 Apify 抓取的 12 位 FB KOL 貼文匯入，生成第一份跨 KOL 比較的 Mind Map，驗證「AI 觀點地圖」的概念是否可行。

3. Astro Blog 嵌入：如果 frontmatter 有 audio_url，自動在文章頁面渲染 <audio> 播放器。不需要改 PostLayout，只需要在 markdown 內容頭部加一個 callout 區塊。

結語

NotebookLM 在 2024 年是被嚴重低估的工具，進入 2026 年它的輸出能力已經足夠強大，可以成為一個獨立的內容生產平台。它不需要你學習 prompting，不需要你寫程式，只需要你把對的來源放進去，選擇你想要的輸出格式。

對 SuperPortia 來說，我們正在把它從「偶爾問問題的工具」升級成「內容流水線的核心節點」。接下來三個月的測試結果，我們會持續在這裡更新。