音频的生产与前三者的条件上来讲，最大的不同在于生产条件要求严格。甚至是比视频的生产条件更严格。文字的产生只要求你有可以书写的工具就可以了，图片增加了场景。随着短视频的普及，大家对视频中环境因素的要求越来越低。你看papi酱早期的视频，家里东西也不收的。因为大家看的注意力在papi酱本人的表演以及语言物料上。从本质上来说，泛娱乐化时代，消费的是一种更便捷被吸收的信息。现在流行的短视频大体上来说都是更注重娱乐表现形式而非内容发省性质的。所以对环境以及设备的要求是不高的。只要能听的清想表达的内容就可以了。而音频类信息不同。

与视频不同的是，音频信息的接收器官只有耳朵，并且由于使用场景的特殊性，用户在接收音频信息的时候往往同时还进行着其他的事情。极少的用户会在听音频的时候专心致志而不做其他事情。这时候从内容的筛选、组织和环境的要求上来说，都比视频更严苛。

首先，音频内容的组织要具有很强的逻辑以及连贯性。这里只针对偏严肃性的付费内容而言。目前，能够产生付费的音频节目，都顶着知识付费的头衔。毕竟，现阶段电影盗版的现象在中国依然十分严重，你又怎么期望用户为了些抖机灵的段子去付费呢?不论是得到还是喜马拉雅，付费内容领域基本上都是高雅音乐、读书、商业、科技这些范围之内。

而用户在消费这些严肃性内容的时候又处于一种不严肃的接收状态。开车、行进、跑步等都是音频产品的高频使用场景。这就对音频产品带来了很大的挑战。首先，内容的质量上来说，要求你得是干货，而这个干货又得显得不那么难以理解，却又足够带动付费的欲望。这对内容生产者来说，是一个挑战。不仅得关注什么样的内容具有上面的特性，并且在内容的组织上，得让想要一心多用的用户能够听的下去，不枯燥还能在其中受到启发。趣味性、发省性、连贯性都要求内容的生产者在声音这一个单一的信息介质中传达出来，这都比视频的要去更高。因为视频还可以依靠肢体语言等来补充。甚至有时候插科打诨地就过去了。

再加上，用户本身的收听环境具有噪音，会分散用户的注意力，这时候对于音频环境来说，反而要求相对绝对的安静状态，至少不能够让背景音分散用户的注意力。这就要求比较安静的生产环境和收音、降噪设备。

用户可消费内容领域的局限性决定了付费内容资源的丰富性不高，内容生产条件的限制造成了音频内容产生的持续性不强。