重点摘要

Particle — 由前 Twitter 工程师创立的 AI 新闻阅读器初创公司 — 推出了 Radar，一款将口语内容转录并做语义分析的 Podcast 搜索引擎。Radar 已对超过 130,000 个 Podcast 建立索引，包含 135 个垂直领域中的 Apple Top 200，并每日新增约 20,000 集节目。它生成带有说话者标签的稿本、识别实体（人物、公司、品牌、主题），并能展示带有时间戳的显著片段。 此功能使得原本无法解读原始音频的 AI 代理能够访问音频，为对冲基金、AI 搜索平台和数据经销商等带来新的商业用途。

情绪分析

• 整体情绪：正面 — Radar 通过将音频转换为结构化、可搜索的情报，为当前代理与搜索生态系统中一项明显的限制提供了务实的解决方案。产品的优势包括广度（已建立索引的 130,000+ Podcast）、深度（说话者标签、实体识别、丰富的 metadata）以及交付选项（网页 UI、警报与编程化 API）。这些功能吸引需要可靠音频衍生数据的客户，例如对冲基金、AI 平台与研究人员。市场反应良好，反映在早期整合与商业兴趣上。
  75%

文章内容

Particle 是由前 Twitter 工程师创立、此前以 AI 驱动的新闻阅读器应用闻名的初创公司，已转向一项专注的产品：让 Podcast 音频对 AI 驱动系统可被发现并有用。他们的新产品 Radar 不仅转录音频——还能够解读内容、提取关键引述与亮点，并将结果打包，使人类与自动化代理能够找到并对口语信息采取行动。

Radar 的起源可追溯到 Particle 早期应用中的一项受欢迎功能：能在相关新闻报道旁显示引人注目的 Podcast 片段。那项功能证明了结构化 Podcast 数据的价值，但局限于原先的新闻阅读器内。随着对自主代理与编程化数据访问的兴趣增加，Particle 将该技术重新定位为一个专注于音频情报的独立 API 产品。

Radar 的语料库相当庞大：该服务转录超过 130,000 个 Podcast，包含 Apple 各垂直类别的 Top 200 节目，并每天向索引新增约 20,000 集新节目。转录内容包含说话者标签与丰富的 metadata。Radar 能识别实体——例如个人、公司、品牌、产品与主题——并能追踪跨集节目的提及。用户可在特定实体或主题被提及时接收警报，方式为实时或每日／每周摘要，通过电子邮件、Slack 或 webhook 发送。这些警报可过滤，允许用户针对特定嘉宾、主题或像是排名靠前的 Podcast 子集进行筛选。

除了搜索与警报之外，Radar 还能够提取简洁、具独立性的片段并附上时间戳，让用户能快速收听或阅读讨论该主题的精确段落。 这种片段提取对于需要快速获取要点而不必消耗整集节目的人非常有用。该平台还追踪听众评分与评论、节目广告内容与主题趋势。其中一项专为广告而设的功能是一个 Podcast 广告搜索引擎，能定位公司投放广告的每一个实例，并展示该广告曝光如何随时间演变。

这些功能创造了多种商业机会。早期对结构化音频数据有强烈需求的客户包括希望为其代理驱动研究工作流获取数据的对冲基金、AI 搜索供应商与数据经销商。Particle 的 CEO 指出，对冲基金是高使用量的直接 API 客户之一。其他潜在的附加价值与收入来源包括政治偏向评估、排行榜指标、受众规模估算、赞助与品牌适配性分析，以及专门的广告追踪服务。

虽然 Radar 提供一个浏览转录、片段与警报的网页界面，但其主要产品是编程化访问层：一个 API 与管理控制台，让 AI 代理与企业系统将音频情报整合到自动化流程中。这种做法解决了一个常见的限制：许多爬虫与代理平台专注于文本，对原始音频几乎处于盲点，除非该音频已被转录并结构化。Radar 通过为代理与服务提供音频层的情报来填补这个空白。

Radar 网页产品的定价分级：个人用户每席位 29 美元／月，企业方案每月 399 美元，包含 20 个席位。API 客户则根据使用量与整合需求提供定制化价格。展望未来，Particle 计划将 Radar 的范围扩展到 podcast 之外的其他音频来源，例如 YouTube 视频与新闻片段，将相同的转录、实体提取与 metadata 功能延伸到更广泛的音频内容。

关键洞见表