--- title: "NotebookLM 是什么？2026 年 Google AI 笔记本评测" description: "NotebookLM 现已更名为 Gemini Notebook，可根据你提供的来源回答问题。本文介绍它的优势、局限，以及如何向它批量导入 YouTube 字幕。" canonical: "https://transcript.im/zh-hans/blog/notebooklm" markdown: "https://transcript.im/zh-hans/blog/notebooklm.md" author: "Leo" category: "NotebookLM" datePublished: "2026-10-20T17:19:57.989Z" dateModified: "2026-10-23T05:28:12.217Z" --- NotebookLM 是 Google 推出的 AI 笔记本，用来处理你自己的资料。你给它一组来源，比如 PDF、Google Docs 文档、网页、音频文件或 YouTube 视频，它就会围绕这组资料回答问题，每项陈述都附上引用，指向信息所在的原文段落。它还能把同一组来源变成学习指南、记忆卡片、测验、思维导图和语音摘要。2026 年 7 月 16 日，Google 将它更名为 Gemini Notebook。产品本身、笔记本和分享链接都保持不变，因此大多数人搜索时仍然用 NotebookLM 这个名字。 这篇评测会介绍 NotebookLM 到底能做什么、擅长什么、有哪些局限，以及免费版有哪些限制。还会仔细看看很多人交给它的一项任务：通过 YouTube 学习。NotebookLM 能读取 YouTube 视频，但只能读取视频的字幕，而且一次只能处理一个链接。这正是 transcript.im 这类 [YouTube 字幕](/zh-hans)工具派上用场的地方。文章后半部分会如实比较两者：各自负责什么，以及当你要处理整个播放列表或频道时，怎样把它们配合起来用。 ## NotebookLM 是什么？ NotebookLM 最初以 Project Tailwind 的名字在 Google I/O 2023 上亮相。Google 将它定位为基于用户所提供来源的研究和学习工具，并在 2026 年中表示，已有超过 3,000 万人和 600,000 家组织使用它。它与通用聊天机器人的区别很简单：模型依据你放进笔记本的文档作答，而不是凭自己从公开网络记住的内容回答，并且用带编号的引用交代依据。 ![NotebookLM 现已更名为 Gemini Notebook：名称变了，笔记本、来源和引用都保持不变](/images/blog/notebooklm/zh-hans/gemini-notebook.jpg) 更名为 Gemini Notebook 并不意味着推出了一款新产品。Google 在[公告](https://blog.google/innovation-and-ai/products/gemini-notebook/notebooklm-gemini-notebook/)中称，它仍是“同一个独立产品”，只是现在与 Gemini 应用的联系更紧密，也能在应用里创建和同步笔记本。已有的笔记本和分享链接会重定向到新名称下。同一篇公告还为每个笔记本加入了一台安全的云端计算机，让它能够编写和运行代码，根据你提供的来源分析数据。这项功能先向 Google AI Ultra 订阅用户开放，目前正逐步向 Pro 用户推出。如果你在近期指南里看到“Gemini Notebook”，在较早的指南里看到“NotebookLM”，它们说的是同一个工具。本文使用 NotebookLM，因为大多数读者搜索时仍然输入这个名字。 下面几个术语会在文中反复出现： - **笔记本**：一个项目容器。每个笔记本都有自己的来源、聊天和生成的内容。 - **来源**：你添加的一个条目，比如一份 PDF、一份 Google Docs 文档、一个网页、一个音频文件、一段粘贴的文字，或一个 YouTube 视频。 - **聊天**：根据笔记本中的来源进行问答，并附上引用。 - **Studio**：把来源转换成各种内容形式的面板，包括 Audio Overviews、Video Overviews、思维导图、报告、学习指南、记忆卡片、测验、幻灯片演示文稿和信息图。 “LM”代表语言模型。这个名字从一开始就在描述它的构想：一个带有语言模型的笔记本，而且模型只读取你给它的内容。 ## NotebookLM 怎么用 使用 NotebookLM 归结为三个步骤，而结果的质量主要取决于第一步。 如需查看包含提示词的完整操作指南，请参阅我们的[NotebookLM 使用方法](/zh-hans/blog/how-to-use-notebooklm)指南。 ![NotebookLM 的三个使用步骤：添加来源、提问并查看引用、在 Studio 中生成学习资料](/images/blog/notebooklm/zh-hans/how-to-use-notebooklm.jpg) ### 1. 添加来源 创建一个笔记本，加入你想处理的资料。可以上传 PDF、文本和 Markdown 文件、Word 文档，以及 MP3、WAV 等音频文件。也可以从 Google Drive 添加 Docs、Slides（最多 100 张幻灯片）和 Sheets（上限为 100,000 个 token）。你可以粘贴网页 URL；有多个 URL 时，可以用空格或换行分隔后一起粘贴。复制来的文字也能单独粘贴为一个来源。它也接受 YouTube 链接，具体条件会在下文说明。音频在导入时会被转录，NotebookLM 保留的是转录后的文字。 ### 2. 提出问题 聊天会根据选中的来源回答。回答中的每项陈述都带有编号引用，将鼠标悬停在引用上或点击，就能看到对应的原文段落。你可以勾选或取消勾选来源，把问题范围缩小到一份文档，也可以扩大到整个笔记本。好问题要具体：“这两篇论文在样本量问题上有哪些分歧？”就比“总结所有内容”更有效。 ### 3. 在 Studio 中生成格式 同样的来源可以转换为学习指南、简报报告、时间线、闪卡、测验、思维导图、幻灯片、信息图或 Audio Overview，也就是两位 AI 主持人围绕你的材料进行的播客式对话（我们的 [NotebookLM 音频概览](/zh-hans/blog/notebooklm-audio-overview)指南介绍了其格式和选项）。视频概览会添加配有旁白的幻灯片。这些输出正是 NotebookLM 与聊天窗口的不同之处：一个构建完善的笔记本，就能以多种方式帮助你复习同一份材料。 后续的一切都取决于你放进去什么。用三个清晰明确的来源建成的笔记本，比塞进四十个松散相关链接的笔记本回答得更严谨。只有来源值得信任，引用才有帮助。 ## NotebookLM 的优势 ### 回答可以核实 引用是它最出色的功能。如果回答说某场讲座对一个术语作了某种定义，你可以点开引用，直接找到对应的那一行核实。这让 NotebookLM 从一个语气笃定的助手，更接近研究辅助工具。引用仍然需要你自己读，但核实只花数秒，不必在一份 90 页的 PDF 里翻找。 ### 围绕范围明确的资料工作 当范围清晰时，NotebookLM 最能发挥作用：一门课程、一个研究问题、一位客户的文档，或一本书。在这个范围内，它可以比较不同观点，找出某个主题在十个来源中的位置，提取定义、日期和引文，而不会跑到公开网络上另找内容。 ### 一组来源，多种形式 学生用它制作记忆卡片和测验。研究者通过简报和思维导图了解一个领域的结构。习惯听着学习的人，可以在通勤时听 Audio Overviews。同一个笔记本就能满足这些需求，切换形式时不用重新上传。 ### 支持混合来源 实际项目中的资料很少只有一种格式。NotebookLM 可以在同一个笔记本中接收幻灯片、演讲录音、网页文章和 PDF 笔记，把它们作为一整组文本来处理。 ### 可以分享 笔记本可以分享给班级、学习小组或团队，让所有人都围绕同一组来源提问，而不是互相传递经过层层转述的摘要。 ### 免费版能覆盖不少需求 许多学生和独立研究者从不需要付费。如果一次只处理一门课程或一个项目，免费版的额度相当充足。 ## NotebookLM 的局限 ### 有依据不等于正确 引用让回答可以核实，却不保证回答正确。NotebookLM 可能漏掉例外，抹平两个来源之间的分歧，或者在指向正确段落的同时，把某个细节说得不太准确。凡是重要的内容，都要点开引用，读一读上下文。 ### 它不会判断来源的好坏 如果来源已经过时、带有偏见，或者本身就是错的，NotebookLM 仍会忠实地根据它回答。除非你明确说明，否则工具不会自行判断哪些来源应该占更大权重。 ### 它只能看到文字 对 YouTube 尤其如此，NotebookLM 只导入字幕文字。屏幕上的幻灯片、白板上的示意图、视频中展示的代码示例，或讲者指着的图表，都不属于来源的一部分。如果重要信息只在画面里展示，没有说出来，笔记本就拿不到。 ### 读取 YouTube 依赖字幕 没有字幕的视频无法添加。上传还不到 72 小时的视频，也可能暂时无法导入。用户最常遇到的错误提示大意是“字幕不可用”，而 NotebookLM 内没有改为转录音频的选项。 ### 一个链接占一个来源 它无法导入整个 YouTube 播放列表或频道。每个视频都要单独作为一个来源导入，很快就会碰到每个笔记本的来源数量上限。 ### 有陷入被动学习的风险 一份精美的学习指南会让人觉得很有收获，但读过它，并不等于能回忆起资料内容或解决问题。NotebookLM 更适合引导你确定该学什么，不能代替你自己下功夫。 ### 项目做到一半可能触及上限 每天的聊天和 Studio 用量受套餐限制，研究任务繁重时，一天就可能用完。大多数人最先碰到的是来源数量上限。 ## NotebookLM 免费吗？哪些限制最重要 是的。对于拥有受支持 Google 账号的任何人来说，[NotebookLM 是免费的](/zh-hans/blog/is-notebooklm-free)，而且对于一次处理一门课程或一个研究主题来说，通常已经足够了。影响你构建笔记本方式的限制如下： ![NotebookLM 免费版限制：每个笔记本最多 50 个来源，每个来源最多 500,000 词，每个上传文件最多 200 MB](/images/blog/notebooklm/zh-hans/is-notebooklm-free.jpg) | 限制 | 免费版 | | --- | --- | | 每个笔记本的来源数量 | 最多 50 个 | | 单个来源的大小 | 最多 500,000 词 | | 单个上传文件的大小 | 最多 200 MB | | 聊天和 Studio 用量 | 每日上限因套餐而异 | 这些数字来自 Google 的 [Gemini Notebook 添加来源帮助页面](https://support.google.com/gemininotebook/answer/16215270)。付费 Google AI 套餐，以及符合条件的 Workspace 和 Education 版本，会提高每个笔记本的来源数量上限和每日用量上限。Google 不时会调整套餐细节，因此在付费升级前，先查看当前的套餐页面。 当资料是视频时，有两个限制需要留意。50 个来源的上限会把每个 YouTube 链接都算作一个来源，因此一门包含 60 个视频的课程，如果逐个添加，就放不进一个免费版笔记本。另一方面，每个来源最多 500,000 词的空间相当大：一小时的演讲大约会产生 8,000 到 10,000 词的转录文本，因此一个文本文件可以装下几十个视频的转录内容，而仍然只算一个来源。这种差别，就是本文后面批量处理流程的基础。 隐私方面，Google 表示，除非你提交反馈，否则笔记本内容不会被用于训练其基础模型；符合条件的 Workspace 和 Education 账号还会获得额外保护。这不代表任何内容都适合上传。在添加受限制的资料前，请遵守学校、雇主及版权方面的规定。 ## NotebookLM 与 YouTube：到底导入了什么 从 YouTube 学习是人们打开 NotebookLM 的最常见原因之一，也正是最容易产生困惑的地方。以下是 Google 的帮助页面对[将 YouTube 视频添加到 NotebookLM](/zh-hans/blog/notebooklm-youtube)后发生什么的说明： ![NotebookLM 导入 YouTube 视频：有字幕的公开视频成为文本来源，没有字幕的视频则显示“字幕不可用”](/images/blog/notebooklm/zh-hans/notebooklm-youtube.jpg) - **只支持有字幕的公开视频。** 字幕可以由创作者上传，也可以由 YouTube 自动生成。 - **只导入字幕文字。** 画面、屏幕上的文字和音频本身，都不属于来源的一部分。 - **近期上传的视频可能导入失败。** 上传还不到 72 小时的视频，可能暂时无法导入。 - **视频时长不是限制。** 只要字幕文件不超过 500,000 词，任何时长的视频都可以。 - **导入也可能因其它原因失败。** Google 列出的情况包括字幕文件缺失、视频被标记为可能不安全，以及语言尚未受支持。 实际使用时，这意味着 NotebookLM 读取的，就是你在 YouTube 自带字幕面板里看到的同一条字幕轨。创作者认真制作了字幕，笔记本拿到的就是清晰的文本。如果字幕是自动生成的，笔记本也会继承其中的错误：听错的人名、缺失的标点，以及被语音模型猜错拼写的术语。如果根本没有字幕，NotebookLM 就没有文字可读；屏幕录制、短视频、小频道的采访，以及许多非英语视频，都常见这种情况。 数量是另一个问题。一个 YouTube 链接就是一个来源。一份有 40 节课的课程播放列表，需要分开粘贴 40 次，并占用 50 个名额中的 40 个。如果其中几节课没有字幕，导入的课程内容就会有缺口。NotebookLM 不会把播放列表或频道链接展开为其中的视频。 这些情况并不违背 NotebookLM 本身的定位。它是用来围绕文本进行推理的笔记本。从视频中提取文字是另一项工作，而这正是 transcript.im 负责的。 ## NotebookLM 与 transcript.im：各自负责什么 两者都涉及 YouTube，也都使用 AI，很容易让人想把它们当作对手比较。实际上，它们位于同一工作流程的不同环节。transcript.im 把视频变成文字，NotebookLM 则围绕你已经拿到的文字进行推理。 ![YouTube 字幕与 NotebookLM 对比：transcript.im 将视频链接转换成带时间戳的文字，NotebookLM 则回答有关这些文字的问题](/images/blog/notebooklm/zh-hans/youtube-transcript.jpg) | | transcript.im | NotebookLM | | --- | --- | --- | | 主要用途 | 从视频或音频文件中提取说出来的话 | 理解一组来源，并围绕它们提问 | | 输入 | YouTube、TikTok、Instagram、Facebook、X 或 LinkedIn 的视频链接，或上传的文件 | 文档、网页、音频、粘贴的文字，以及有字幕的 YouTube 视频 | | 没有字幕的视频 | 用 AI 转录音频 | 无法导入 | | 播放列表和频道 | 一个链接即可将所有视频加入队列，并返回一组带标签的转录文本 | 每个视频占一个来源，不支持导入播放列表或频道 | | 输出 | 带时间戳的转录文本，可阅读、搜索、复制、翻译，或导出为 TXT、SRT、VTT、Markdown、JSON | 带引用的回答、学习指南、记忆卡片、测验、思维导图、Audio Overviews 和 Video Overviews | | 时间戳 | 每一行及 SRT、VTT 导出文件中都保留 | 导入的 YouTube 来源不包含时间戳 | | 最适合的情况 | 需要一个视频、一组视频或一个文件中的确切原话 | 需要学习、比较已有的文本资料，并围绕它们提问 | ### NotebookLM 的优势所在 如果资料本来就是文本，比如论文、笔记、幻灯片和文章，NotebookLM 更适合用来思考。跨多份文档生成带引用的回答、从一个笔记本生成多种学习资料、制作 Audio Overviews，以及与小组分享，都是它的核心优势。transcript.im 并不是围绕这样的多来源笔记本构建的。transcript.im 确实也有转录文本的 AI 摘要和聊天功能，但它聚焦的是你刚刚转录的视频，而不是五十份不同类型的文档。 ### transcript.im 的优势所在 如果资料是视频，transcript.im 就补上了 NotebookLM 缺少的那个环节。有创作者字幕轨时，它会读取字幕；没有时，就转录音频，因此即使 NotebookLM 拒绝导入某个视频，它仍能被转换成文字。它保留时间戳，让你可以从引文追溯到那句话说出的时刻。它能按其它工具需要的格式导出文件，在翻译转录文本时保留时间戳，还能处理 NotebookLM 完全不读取的平台，包括 TikTok、Instagram 和 LinkedIn 的视频。它也能把一个播放列表或频道链接作为一项任务处理，而不是拆成四十项。 ### 两者共同的局限 两个工具都看不到只在画面中出现的内容。转录记录的是语音，因此没有被读出来的幻灯片、没有讲解的代码展示，以及无声演示，都不会包含在任何一个工具里。遇到这类视频，要把视频和笔记并排打开。 实际使用时，不必二选一。先用 transcript.im 从视频中得到完整、带时间戳的文本，再把这些文本作为来源交给 NotebookLM。 ## 为 NotebookLM 批量获取 YouTube 字幕 如果你要处理的不只是寥寥几个视频，就可以用下面的流程：一份课程播放列表、一个会议频道、播客往期节目，或一组需要分析的竞品视频。它能在一套流程中解决前面提到的三个问题：视频没有字幕、一个链接占一个来源，以及 50 个来源的上限。 ![批量 YouTube 转录流程：一个播放列表链接生成一组带标签的转录文本，再合并成少量 NotebookLM 来源](/images/blog/notebooklm/zh-hans/bulk-youtube-transcript.jpg) ### 1. 粘贴播放列表或频道链接 在 [YouTube 播放列表转录](/zh-hans/youtube-playlist-transcript)页面，一个播放列表 URL 就能按列表顺序将所有视频加入队列。在 [YouTube 频道字幕提取](/zh-hans/youtube-channel-transcript)页面，一个频道 URL 就能将该频道公开上传的视频加入队列。视频会并行处理，因此一门很长的课程也会成组返回结果，而不是让你逐个视频处理。 ### 2. 自动补齐缺失的内容 每个视频有字幕轨时就读取字幕。没有字幕的视频则通过音频转录，因此字幕轨缺失不会再让课程内容出现空缺。每份转录文本都标有视频标题，并保留时间戳。 ### 3. 核对你要依赖的内容 在整组转录文本中搜索你关心的术语，并对照视频抽查人名、数字和专业术语。自动生成的字幕和 AI 转录都可能听错少见的人名；现在把它们改对，之后 NotebookLM 引用时才能用上正确的拼写。 ### 4. 导出为适合 NotebookLM 读取的格式 纯 TXT 或 Markdown 最适合放进笔记本。Markdown 会把每个视频的标题保留为标题，让 NotebookLM 清楚地区分各节课，也让引用更容易阅读。 ### 5. 将转录文本分组，控制来源数量 每个来源最多能容纳 500,000 词，因此不必让每个视频都占一个来源。把相关的转录文本合并成几个文件，比如按课程模块或上传月份分别整理成文件，并在文件中把每个视频的标题保留为标题。一门有 60 个视频的课程，可以只占六个或八个来源，而不是 60 个，为幻灯片、阅读材料和你自己的笔记留出空间。 ### 6. 将文件添加到 NotebookLM，跨全部内容提问 把文件作为来源上传。这样，“哪些课讲到了定价？”或“从第一期到最后一期，讲者在这件事上的建议有什么变化？”这类问题，就能结合整组内容回答，并引用转录文本。文本中的时间戳则会带你回到原视频中的准确时刻。 同一批转录文本也能在 NotebookLM 以外复用。这些文件可以交给 ChatGPT、Claude 或 Gemini，也可以放进笔记应用或电子表格，导出的 SRT 或 VTT 还可以直接导入视频编辑器。只转录一次并保留文件，就不会被绑定在某一个笔记本里。 还有几点实际建议： - **分析时保留原语言。** 按视频实际使用的语言转录。如果学习小组需要另一种语言，之后再翻译转录文本；时间戳仍然会保留在每一行上。 - **按内容范围命名文件。** “模块 3 - 第 12-18 课.md”能让来源列表清楚易读，也让人一眼看出引用来自哪个来源。 - **更新内容，不必重建。** 如果频道持续发布视频，只处理新上传的内容，再往笔记本添加一个新文件即可，不必从头再来。 ## 谁适合使用 NotebookLM **以下情况适合使用 NotebookLM：** 你在学习一门有大量阅读材料的课程，为研究比较论文或访谈，用记忆卡片和测验备考，通过一组已知文档了解新领域，或者想把资料做成 Audio Overview 来听。对于在一组范围明确的来源中工作的人来说，它是目前最好的免费工具之一。 **如果资料主要是视频，就搭配转录工具使用。** 讲座、会议演讲、发布在 YouTube 上的播客、教程、采访和创作者内容，都需要先变成文字，NotebookLM 才能可靠地围绕它们进行推理。缺少字幕、视频多达几十个，或者需要靠时间戳找回某个时刻时，尤其如此。 **以下情况应考虑其它方式：** 你需要不用核对就能保证正确的答案、正式考核、动手练习，或者工作依赖画面展示的内容，而不是说出来的话。NotebookLM 也不会按计划主动查找新资料，它只处理你给它的内容。 ## 评测结论 NotebookLM 值得使用。它清楚地展示了一类 AI 工具的价值：始终围绕你自己的资料工作，说明每个回答的出处，并把一组来源变成多种学习方式。更名为 Gemini Notebook 改的是名称，没有改变使用它的理由。它的短板也很明确：它信任你给的来源，仍可能漏掉细节；免费版每个笔记本最多 50 个来源；读取 YouTube 时，只能逐个视频读取字幕文字。 想充分发挥它的作用，就要给它更好的输入。对于文档，意味着认真选择来源；对于视频，意味着先拿到完整文本：用 transcript.im 处理播放列表或频道，保留时间戳，把转录文本整理成几个文件，再让 NotebookLM 发挥它最擅长的能力。