Podwise

- 播客爱好者，已经磨耳朵1200h+，Poswise的“交互式逐字稿”可太方便了，像滚动歌词本，掌控感up！

- 油管等音视频可以转化为结构化知识，爱看干货类视频的我，笔记有救了！

- 能导入主流知识管理工具中，让学习过程和结果不是孤岛！

嗨，各位！我是 Podwise 的主创之一，今天非常激动，终于能和大家分享我们的 iOS App 了！?

我自己就是个播客重度爱好者，一直都想要一个更智能的方式来管理和收听播客。所以我们才做了 Podwise，希望能从根本上重塑播客的收听体验。?

我们有几个自己特别引以为傲的功能，想和大家分享一下：

? AI 总结摘要：只需几分钟，就能快速了解每期播客的重点内容。
? 提取核心观点：每期播客的精华要点一目了然。
? 全文逐字稿：可以随时搜索特定的关键词和句子。
? 思维导图：把播客里的各种想法和逻辑关系可视化地呈现出来。
? 集成笔记软件：可以轻松把你的想法和笔记保存到 Notion、Readwise 和 Obsidian。
? 问 Podwise：直接跟播客内容“对话”，让 AI 回答你的具体问题。
㊙️ 私人 RSS：支持添加你的音频文件，专属或付费播客源。
⚙️ 企业 API：可以将 Podwise 的强大功能集成到你自己的应用或工作流里。

我们非常想听听大家的想法和反馈！你心目中理想的播客 App 应该是什么样的？关于这个 App 或者我们开发过程中的故事，有任何想问的，都随时开聊！?

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。

使用podwise很久了，因为我之前有个问题是：播客听得很爽，但听完之后就忘了，沉淀不到东西。

所以当时找到这个产品，可以给出播客的文字版、金句和总结，便于之后收藏和复盘。
当然，内容理解还有带改进，不过我buy in。

付费使用了一段时间，提一个小小的期待。站在AI native的角度，做些跳出常规的功能。

比如，自动帮用户高亮播客中有价值的段落，用这种方式来推荐内容。再比如，用户可以一键针对当前听到的内容语音评论，被评论的片段和内容可以自动同步到notion或者ob里，所谓经过思考和使用的知识才能变成自己的。

打通了从audio到系统性整理的last mile，但也有点违背播客零碎时间汲取知识&消磨时间的初衷；作为知识性生产力工具，总归是好产品

1. 用户价值角度，把听完就忘的播客变成可回看、可复用的资产，解决的是吸收效率而不是内容供给

2. AI体验角度，播客本身是对话交互，AI QA还原了对话体验、提问follow up、整理吸收，把人带回对话思考

3. 知识记录角度，本身播客和其他推文一样是种阅后即焚的消费品，有了整理和知识库联动其实把消费品转换为资产，对用户粘性是种利好