尽管生成式 AI 系统功能强大，但其开放式的灵活性有时也会带来困扰，尤其是当我们难以向这些系统准确说明所需输出类型时。这也是像 Gemini 的“音频概览”这类预设解决方案如此吸引人的原因之一：我们只需提供源材料，就能清楚地知道将获得怎样的虚拟播客。今天，我们来看看 Gemini 在另一项潜在新功能——“故事书”生成上的最新进展。
几个月前，我们首次在谷歌 Android 应用的 16.19.42.sa.arm64 测试版中发现了有关“故事书”的线索。当时该功能尚未公开，但 Gemini 已在开发与“故事书”相关的模块，同时还有“时间轴”和“思维导图”。后两者是我们已经熟悉的 NotebookLM 功能，而“故事书”则显得比较新颖（这里有点文字游戏的意味）。
当时我们还无法真正体验这些功能，只有这些名字作为线索。但现在，我们有了一些新的进展可分享。大约一周前，TestingCatalog 报告了对 Gemini 网页版的一些分析，记录了谷歌在“故事书 Gemini Gem”上的工作。而在我们深入解析谷歌最新的 16.26.64.sa.arm64 版本时，又发现了更多关于“故事书”的资源。
首先，我们发现了一个新动画，看起来确实很像我们想象中的“故事书”形象。虽然我们还没能看到它完整生成内容的实际效果，但很明显它的目标是将丰富的插图与故事元素融合，打造出小孩子会喜欢的那种内容。
正如我们开头所说，AI 工具非常灵活，而事实证明，Gemini 用户已经开发出一些类似的解决方案，其中甚至有几个明确命名为“故事书”和“故事书 AI”。虽然我们认为谷歌是在独立打造这款工具，但这些现有的作品或许能为我们提供一些它未来发展方向的线索。
目前，当我们向 Gemini 提供一张图片时，它会显示一个“创建故事书”的按钮，但功能仅限于此。同样，当我们用 PDF 文件提示 Gemini 时，也会出现“时间轴”和“思维导图”选项。不过，目前这些功能在 Android 版 Gemini 上都还不能正常使用（尽管“时间轴”和“思维导图”可以通过网页版 NotebookLM 访问）。
根据我们迄今观察到 Gemini 在媒体内容生成方面（尤其是通过 Imagen 和 Veo）的表现，“故事书”功能有望非常出色。不过，我们也不会过早下结论，会继续努力，为大家带来这个即将推出工具的实际示例。