NewsPod：自动生成且可交互的新闻播客

文献标题

NewsPod: Automatic and Interactive News Podcasts

文献信息

• 主题领域: 自动化新闻播客生成与交互设计
• 关键词: 播客, 交互式播客, 自动化播客, 新闻播客, 问答, 摘要生成, 问题生成, 自然语言处理

研究背景与问题

• 发现的问题或挑战:
  • 目前大多数新闻播客需要人工制作，成本高且需要专业团队支持。
  • 社交媒体时代，用户更倾向于快速消费新闻，而深入阅读新闻的人比例较低（约40%深入阅读），尤其是低英语读写能力者（美国大约21%的人有此困扰）。
  • 没有记录显示有自动生成播客的成熟应用或系统。
• 重要性:
  • 播客越来越成为获取新闻的重要途径，音频形式特别适合使用智能音箱等设备。
  • 自动生成的新闻播客可能降低获取新闻的门槛，提高新闻传播广度。
• 研究动机与相关工作:
  • 语音合成和自然语言处理技术（如WaveNet和Tacotron）快速发展，为新闻自动化播客的生成提供了技术可行性。
  • 虽然个别新闻机构（如《经济学人》和彭博）尝试了基于TTS的新闻朗读，但与人工制作的播客相比，这些生成内容缺少为音频格式优化的叙述风格。
  • 文献引用了以往在自动化新闻系统、对话式界面、摘要生成和问答技术上的有关研究，但现阶段尚无完整的自动化新闻播客解决方案。

解决方案

• 方法或解决方案:
  • NewsPod 系统: 一个自动生成新闻播客的系统，基于最新自然语言处理和文本到语音(TTS)技术。系统以问答的对话式形式结构化新闻段落，且支持用户自然语言提问并实时生成回答。
  • 段落组合设计: 每个新闻段落包含：
    1. 摘要引言：提供新闻事件的概述。
    2. 自动生成的问答对：模拟对话并深入介绍主题。
    3. 用户交互：用户可中断播客以提问，系统尝试即时回答该问题。
• 创新点:
  • 使用多种合成语音模拟对话，增加社交临场感和用户参与度。
  • 融合交互设计，允许用户随时加入对话。
  • 采用前沿的摘要生成(PEGASUS)、问题生成(GPT2 finetune)、问答系统(RoBERTa-Large finetune)。
• 实施步骤与关键技术:
  1. 素材收集与结构化: 收集多个新闻来源，根据主题聚类相关文章。
  2. 摘要生成: 若无人工摘要，使用预训练语言模型生成概述。
  3. 问答内容生成:
     • 使用问答模型(QA)生成从段落中抽取答案的相关问题并匹配。
     • 通过图算法选择高相关性(问题-答案)对，生成连贯问答。
  4. 语音生成: 利用WaveNet文本到语音工具输出音频，赋予每种角色不同的声音。
  5. 用户交互: 用户通过语音或文本输入提问，系统实时处理回答。

研究成果

• 具体成果:
  • NewsPod生成的播客比简单的新闻TTS朗读形式更受用户青睐。
  • 提供了两个可行性用户研究：
    • 评估叙述格式的用户接受度，发现对话式播客优于线性阅读或随机内容播客。
    • 测试用户互动程序发现大多数用户倾向于参与提问，并且在有提示休息时交互显著增加。
• 相比现有解决方案的优势:
  • 增强的用户交互能力，通过实时提问和回答提高用户体验。
  • 对话式风格使新闻内容更有吸引力和条理。
  • 自动化程度高，大幅降低制作播客所需的人工投入。
• 实验评估结果:
  • 用户对系统生成内容的“有趣性”和“连贯性”评价分数较高，QA Best系统获得了80%的未来使用偏好率。
  • 交互实验中，85%的用户在有设计的休息段后提出了问题，显示该设计可以显著提升用户参与度。
  • 然而，现阶段的问答系统对于用户开放性问题的回答能力不足，特别是面对编排复杂或需要背景知识的问题。
• 局限性与未来方向:
  • 局限性:
    • 生成语音的质量和自然性仍需提高，一些用户对语音的单调有所指摘。
    • 当前问答系统对复杂开放式问题的回答效果欠佳。
    • 缺乏人工验证生成内容的真实性，可能存在信息偏误。
    • 使用中没有处理更高层次的新闻编辑原则，如平衡性和严谨性。
  • 未来方向:
    • 针对重复听众优化定制化内容。
    • 融合背景音乐与音效增强沉浸感。
    • 提高FAQ模块的使用范围和回答多样性。
    • 在更广泛的播客收听场景（如驾驶、步行等）进行实验，研究交互设计的适配性。