Guía completa de NotebookLM de código abierto: 35K estrellas — docs in, Q&A y podcasts automáticos
¿Quieres Q&A de documentos y podcasts IA sin enviar datos a Google? open-notebook (35K estrellas, MIT) es la alternativa autoalojada: Docker en 2 minutos, 1–4 hablantes, REST API completa.
¿Quieres una base de conocimiento conversacional a partir de tus documentos — sin enviar esos datos a Google? Este proyecto open source con 35K stars te permite montar tu propio NotebookLM en unos dos minutos.
NotebookLM es excelente. Nadie lo discute. Pero un problema nunca desaparece: cada PDF y clip de audio que subes vive en los servidores de Google.
Bien para contenido público. ¿Documentos de proyecto, archivos de clientes, borradores inéditos? ¿De verdad te sientes cómodo metiendo todo eso?
Entonces encontré open-notebook — una alternativa open source a NotebookLM con 35K GitHub stars y licencia MIT.
1. Primero míralo: mete un PDF y pregunta
Usar open-notebook se siente casi idéntico a Google NotebookLM — salvo que tus datos nunca salieron de tu propio servidor.
Sube un PDF, pregunta "¿qué cubre esta sección?" — las respuestas se basan en el documento, no en invención.
El Q&A es solo el primer paso. Pulsa generación de podcast, elige dos voces, y convierte la fuente en un guion de diálogo, luego sintetiza un resumen de audio a dos voces.
Puedes elegir de 1 a 4 voces, cada una con persona y voz personalizadas — mucho más flexible que los dos presentadores fijos de NotebookLM.
Los dos trabajos centrales de NotebookLM — Q&A con IA basada en documentos y podcasts automáticos — se manejan bien. PDFs, páginas web, vídeo y audio se convierten en conocimiento buscable.
2. Dos ventajas reales frente a NotebookLM
Primero, podcasts más flexibles. NotebookLM te encierra con dos presentadores IA fijos. open-notebook admite 1–4 voces, cada una con roles y voces personalizados.
Segundo, una REST API completa. Esta es la brecha práctica. open-notebook incluye una REST API completa para automatización — NotebookLM no tiene equivalente público.
3. Los matices que debes conocer de antemano
Las citas siguen siendo débiles. NotebookLM puede señalar "la página 3 de este PDF." open-notebook ofrece por ahora solo un grounding básico.
No es gratis. Trae tu propia API Key de IA (pago por uso) o ejecuta Ollama en local (gratis, pero exigente en hardware). NotebookLM al menos tiene un tier gratuito.
En resumen, reemplaza la capacidad de "meter documentos y dejar que la IA los lea por ti" — no "aprovecharse gratis sin coste."
4. Quién debería probarlo — y quién debería esperar
Merece la pena si: conoces Docker básico y te importa mantener los datos fuera de la nube; quieres modelos no Google (DeepSeek, Anthropic, Ollama local) para Q&A de documentos; o necesitas una API para integrar chat basado en fuentes en tu propio stack.
Mejor esperar si: nunca has instalado Docker — el camino de despliegue no es corto; necesitas citas a nivel de página — aún no está listo; solo quieres IA gratis — esto es una herramienta self-hosted, no un producto de IA gratuito.
Dificultad: media · Docker Desktop + una API Key de IA (u Ollama para una configuración totalmente gratuita que consume VRAM).
5. Inicio más rápido: Docker en unos dos minutos
Primero descarga la configuración de docker-compose:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Configura OPEN_NOTEBOOK_ENCRYPTION_KEY con cualquier cadena secreta y arranca:
docker compose up -d
Espera 15–20 segundos y abre http://localhost:8502 en tu navegador.
Configura modelos: si tienes una API Key, elige un proveedor en la página Models — OpenAI, Anthropic, Google, DeepSeek, Mistral y más (18 proveedores). Para ejecución local totalmente gratuita, usa examples/docker-compose-ollama.yml del repo — sin API Key, pero necesitas GPU.
Lévantalo, mete un PDF y prueba el Q&A. Veinte minutos bastan para decidir si profundizar.
Cierre
Casi todo lo que hace NotebookLM, open-notebook también puede hacerlo — con los datos completamente en tus manos.
Si te importan la soberanía de datos, la elección de modelos o flujos impulsados por API, un despliegue de dos minutos de open-notebook merece la pena.
Proyecto: github.com/lfnovo/open-notebook