کاربران NotebookLM: open-notebook با ۳۴.۸K ستاره — داده خودتان، هر مدل، API کامل
NotebookLM عالی است اما داده در Google، Gemini قفل، بدون API. open-notebook (۳۴.۸K ستاره): self-hosted، ۱۸+ ارائهدهنده، Docker ۲ دقیقه، REST API.
Google NotebookLM عالی است — اما اگر به داده خارج از ابر، آزادی مدل و API نیاز دارید، هیچکدام را نمیدهد. دقیقاً همین شکاف را open-notebook پر میکند.
NotebookLM محصول واقعاً خوبی است. PDF میخواند، پادکست میسازد، ادبیات را سازماندهی میکند و اسلاید میسازد — Google در Q&A مبتنی بر منبع کار قوی انجام داده. اواخر ۲۰۲۵، NotebookLM از ۱۰۳ میلیون بازدید ماهانه گذشت، با تخمین ۱۵–۲۵ میلیون کاربر فعال روزانه در جهان.
هرچه بیشتر استفاده کنید، اصطکاک بیشتری حس میکنید. بعد open-notebook را پیدا کردم — پروژه متنباز با 34.8K GitHub stars.
۱. چرا افراد بیشتری NotebookLM را ترک میکنند
NotebookLM چند نقطه درد دارد که با زمان بزرگتر میشوند:
اول، دادههایتان در دست شما نیست. هر PDF و کلیپ صوتی که آپلود میکنید روی سرورهای Google است. برای محتوای عمومی خوب — اما اسناد پروژه، فایل مشتری، پیشنویسهای منتشرنشده؟ واقعاً همه را میگذارید؟
دوم، به مدلهای Google قفل هستید. Gemini توانمند است. اما Claude برای تحلیل عمیق، GPT-4o برای نوشتن یا DeepSeek برای کار دستهای ارزانتر — نه. NotebookLM شما را در اکوسیستم Google نگه میدارد.
سوم، API عمومی ندارد. در ۲۰۲۶، محصول AI بدون API باز گلوگاه است. واردات انبوه، یکپارچهسازی workflow، خودکارسازی؟ فقط آپلود دستی صفحه به صفحه.
مزاحمتهای کوچک جمع میشوند: پادکست محدود به دو گوینده، قالب استناد سخت، بدون منطق پردازش سفارشی.
۲. open-notebook چیست؟
در یک خط: جایگزین متنباز NotebookLM — و از چند جهت قویتر.
34.8K stars در GitHub، بیش از ۸۰۰ commit، آخرین release v1.10.0، مجوز MIT. ساخته lfnovo با momentum جامعه از اکتبر ۲۰۲۴ — کمتر از دو سال تکرار سریع.
۳. کجا از NotebookLM جلو میزند
۳.۱ داده ۱۰۰٪ روی ماشین شما میماند
این تفاوت اصلی است. open-notebook self-hosted است — یک خط Docker، داده در SurrealDB محلی. اسناد حساس، فایل مشتری، گزارش داخلی — هرچقدر بخواهید بدون لمس سرور شخص ثالث.
کنترل دقیق context: فقط خلاصه، محتوای کامل یا حذف منابع — نه سوئیچ همه یا هیچ NotebookLM.
استقرار ساده: docker-compose.yml بگیرید، کلید رمزنگاری تنظیم کنید، docker compose up -d اجرا کنید — حدود دو دقیقه تمام.
۳.۲ بیش از ۱۸ مدل، انتخاب شما
open-notebook بیش از ۱۸ ارائهدهنده AI را پشتیبانی میکند: OpenAI، Anthropic، Google، Groq، Ollama، DeepSeek، xAI، Mistral، Qwen و بیشتر.
نکته کلیدی — کارهای مختلف، مدلهای مختلف. Claude برای چت، GPT-4o-mini برای خلاصه ارزان، Voyage برای embedding، ElevenLabs برای گفتار به متن. آزادانه ترکیب کنید.
مدلهای reasoning هم — DeepSeek-R1، Qwen3 thinking و اجرای کاملاً محلی via Ollama. مدل و داده روی ماشین شما؛ آفلاین کار میکند.
۳.۳ پادکست با کنترل بسیار بیشتر
قابلیت پادکست NotebookLM خوب است، اما به دو گوینده محدود با کنترل کم اسکریپت.
open-notebook از ۱–۴ گوینده سفارشی، هر کدام با persona و تنظیم صدا، بهعلاوه Episode Profiles برای اسکریپت دقیق پشتیبانی میکند.
پنل سهنفره؟ دو مناظرهگر بهعلاوه راوی؟ همه پشتیبانی میشود — کیفیت قابل مقایسه با NotebookLM، انعطاف بسیار بالاتر.
۳.۴ REST API کامل
عملیترین شکاف. open-notebook REST API کامل برای هر workflow دارد — واردات انبوه، خودکارسازی، یکپارچهسازی در stack شما.
۴. open-notebook برای چه کسانی است؟
- کاربران آگاه به حریم خصوصی — اسناد پروژه، داده مشتری، گزارش داخلی که نباید infra را ترک کند
- جستجوگران آزادی مدل — خسته از قفل شدن روی Gemini
- سازندگان خودکارسازی — دسترسی API برای workflow واقعی
- صرفهجویان هزینه — اجرای کاملاً محلی بدون هزینه API
- علاقهمندان فنی — Docker، self-hosting، fork و سفارشیسازی
اگر کاربر عادی هستید، tier رایگان NotebookLM احتمالاً کافی است. اما اگر حاکمیت داده، انتخاب مدل و خودکارسازی برایتان مهم است — open-notebook ارزش deploy دو دقیقهای را دارد.