Published on

超越文本：将图像与视频来源融入NotebookLM的技术

"NotebookLM不是只能处理文本吗？"许多人这样认为，因此放弃在NotebookLM中使用图像或视频资料。然而，利用将图像和视频转换为文本的各种方法，多媒体内容也可以整合到NotebookLM的知识库中。本文将介绍图像文字提取、视频字幕转换，以及与多模态AI联动的方法。

目录

  1. NotebookLM的多媒体支持现状
  2. 将图像来源转换为文本
  3. 将视频来源整合到NotebookLM
  4. 与Gemini多模态联动的方法
  5. 教育现场多媒体分析场景

NotebookLM的多媒体支持现状

当前官方支持的来源

NotebookLM可直接处理的来源如下：

  • PDF（含文本层）
  • Google Docs / Slides
  • 网页URL
  • YouTube视频链接（基于字幕）
  • 直接输入文本

图像与视频的限制

纯图像文件（PNG、JPG）或没有字幕的视频无法直接作为来源上传。PDF中仅包含图像的情况也无法识别文本。绕过这一限制是本文的核心。

绕过策略的基本原则

核心思路很简单：先将图像和视频转换为文本，再上传至NotebookLM。 这一预处理过程需要运用多种工具。

将图像来源转换为文本

通过OCR处理扫描图像

扫描的教学资料或教科书图像PDF需要通过OCR（光学字符识别）提取文本。

免费工具：

  • Adobe Acrobat Reader（免费版）：打开PDF，使用"文字识别"功能
  • iLovePDF（网页端）：免费提供PDF OCR功能
  • Google Drive：将图像文件或扫描PDF上传至Google Drive，用Google Docs打开后自动OCR处理

分步方法（利用Google Drive）：

  1. 将扫描PDF上传至Google Drive
  2. 右键点击文件 → "打开方式" → 用"Google Docs"打开
  3. Docs中提取文本后审查并保存
  4. 将该Google Docs添加为NotebookLM来源

为图表·图形图像生成说明文本

如需分析统计图表或教育数据可视化图像，请先使用Gemini或ChatGPT的图像分析功能。

步骤：

  1. 将图像上传至Gemini
  2. "请将这个图表的数据转换为文本表格。请包含所有数值和标签"
  3. 将生成的文本保存至Google Docs
  4. 添加为NotebookLM来源

信息图表分析

分析教育部或研究机构的信息图表时也使用相同方法。

  1. 将信息图表图像上传至Gemini
  2. "请将这个信息图表的所有文本和核心内容结构性地整理出来"
  3. 将文本转换结果添加为NotebookLM来源

将视频来源整合到NotebookLM

利用YouTube字幕（最简便的方法）

YouTube视频只需链接即可添加为NotebookLM来源。但必须有字幕。

  • 有韩语字幕的教育内容、EBS讲座、TED韩语字幕视频
  • 英语视频有韩语字幕的情况也可识别
  • 自动生成字幕也可使用，但准确度可能较低

字幕质量确认方法：在YouTube打开视频，点击字幕按钮（CC）预先确认字幕质量。

利用视频脚本提取工具

没有字幕的视频需要用专门工具提取脚本。

推荐工具：

  • Tactiq（Chrome扩展）：实时提取YouTube、Zoom、Meet会议字幕
  • Otter.ai：将英语视频语音转换为文本（免费300分钟/月）
  • Clova Note（Naver）：专注于韩语语音文字转换

步骤：

  1. 用Clova Note或Otter.ai将视频语音转换为文本
  2. 将转换的文本整理至Google Docs
  3. 添加为NotebookLM来源

利用会议·培训录制视频

教师培训或教职员会议录制视频也可用相同方法整合到NotebookLM。将培训内容文字化后，以后可以快速搜索所需内容。

与Gemini多模态联动的方法

Gemini的角色：多媒体→文本转换器

Gemini是可以直接分析图像、视频、音频文件的多模态AI。将Gemini用作NotebookLM的预处理工具是最高效的方式。

工作流程：

多媒体来源 → Gemini（分析·文字化） → 保存至Google Docs → 添加NotebookLM来源

课堂视频分析示例

分析教师自己录制的课堂视频时：

  1. 将视频上传至Gemini（需要Gemini Advanced）
  2. "请对这段课堂视频中教师的提问类型进行分类，并整理学生反应模式"
  3. 将分析结果导出至Google Docs
  4. 添加为NotebookLM来源，与其他课堂记录进行比较分析

教育现场多媒体分析场景

场景1：教育YouTube频道综合分析

将EBS或教育相关YouTube频道的10个视频整合到NotebookLM进行分析。

  1. 将各视频的YouTube URL添加为来源
  2. "这些视频共同强调的教育方法论是什么？"
  3. "请从每个视频中各提取一个可以立即应用于我的课堂的想法"

场景2：教育资料图像综合管理

系统管理各类教育政策信息图表、学业成就分析图表等。

  1. 用Gemini将图像文字化
  2. 以"PISA 2022韩国结果图表"等明确标题保存
  3. 上传至NotebookLM进行年度·项目比较分析

场景3：培训视频档案库

将教师培训视频文字化，构建培训内容数据库。

  1. 用Clova Note将培训视频语音转换
  2. 按主题整理后上传至NotebookLM
  3. 搜索"今年接受的培训中与校园暴力预防相关的所有内容"

将多媒体来源整合到NotebookLM的过程，起初可能感觉有些繁琐。但一旦建立起体系，不仅是文字，视频和图像中的知识也能整合管理在一个图书馆中。这种方法特别强大的地方在于，可以在同一背景下比较分析完全不同形式的资料。

您希望整合到NotebookLM的多媒体资料是什么？视频、图像、音频中，哪种形式是您最迫切需要的？欢迎在评论区告知，我们可以一起探讨解决方法。

延伸阅读

Discuss on Twitter • View on GitHub
超越文本：将图像与视频来源融入NotebookLM的技术 | MINSSAM.COM