Kumpletong gabay sa open-source NotebookLM: 35K stars — drop in docs, awtomatikong Q&A at podcast
Gusto ng document Q&A at AI podcast nang hindi ipinapadala ang data sa Google? open-notebook (35K stars, MIT) ang self-hosted NotebookLM alternative: Docker sa 2 minuto, 1–4 speaker, buong REST API.
Gusto mo ng conversational knowledge base mula sa mga dokumento mo — nang hindi ipinapadala ang data sa Google? Ang open-source project na may 35K stars na ito ay magpapatakbo ng sarili mong NotebookLM sa loob ng mga dalawang minuto.
Napakagaling ng NotebookLM. Walang tumututol. Pero isang isyu ang hindi nawawala: bawat PDF at audio clip na ina-upload mo ay nasa mga server ng Google.
OK para sa pampublikong content. Mga dokumento ng proyekto, file ng kliyente, hindi pa nailalathalang draft? Komportable ka ba talagang ilagay lahat doon?
Noon ko natagpuan ang open-notebook — open-source na alternatibo sa NotebookLM na may 35K GitHub stars at MIT license.
1. Tingnan muna: mag-drop ng PDF at magtanong
Halos kapareho ng Google NotebookLM ang paggamit ng open-notebook — maliban na hindi umalis ang data mo sa sarili mong server.
Mag-upload ng PDF, tanungin "ano ang saklaw ng seksyong ito?" — nakabatay ang sagot sa dokumento, hindi imbento.
Unang hakbang lang ang Q&A. Pindutin ang podcast generation, pumili ng dalawang speaker, at gagawin nitong dialogue script ang source, pagkatapos ay mag-synthesize ng two-person audio overview.
Maaari kang pumili ng 1 hanggang 4 na speaker, bawat isa ay may custom persona at boses — mas flexible kaysa sa dalawang fixed host ng NotebookLM.
Ang dalawang pangunahing trabaho ng NotebookLM — document-grounded AI Q&A at automatic podcasts — parehong mahusay na natutugunan. PDF, web page, video, at audio ay nagiging searchable knowledge.
2. Dalawang tunay na bentahe kaysa NotebookLM
Una, mas flexible na podcasts. Naka-lock ka sa dalawang fixed AI host ng NotebookLM. Sinusuportahan ng open-notebook ang 1–4 na speaker, bawat isa ay may custom roles at voices.
Pangalawa, kumpletong REST API. Ito ang praktikal na agwat. May kumpletong REST API ang open-notebook para sa automation — walang public equivalent ang NotebookLM.
3. Mga caveat na dapat mong malaman agad
Mahina pa ang citations. Maaaring ituro ng NotebookLM ang "page 3 ng PDF na ito." Basic grounding lang ang inaalok ng open-notebook sa ngayon.
Hindi ito libre. Magdala ng sariling AI API Key (pay per use) o patakbuhin ang Ollama locally (libre, pero mabigat sa hardware). May libreng tier man lang ang NotebookLM.
Sa madaling salita, pinapalitan nito ang kakayahang "mag-drop ng docs at hayaang basahin ng AI para sa iyo" — hindi "zero-cost freeloading."
4. Sino ang dapat subukan — at sino ang dapat maghintay
Sulit subukan kung: alam mo ang basic Docker at mahalaga ang panatilihing labas ng cloud ang data; gusto mo ng non-Google models (DeepSeek, Anthropic, local Ollama) para sa document Q&A; o kailangan mo ng API para i-wire ang source-grounded chat sa sarili mong stack.
Mag-skip muna kung: hindi ka pa nakakapag-install ng Docker — hindi maikli ang deploy path; kailangan mo ng page-level citations — hindi pa handa; libreng AI lang ang gusto — self-hosted tool ito, hindi libreng AI product.
Difficulty: medium · Docker Desktop + isang AI API Key (o Ollama para sa fully free setup na kumakain ng VRAM).
5. Pinakamabilis na simula: Docker sa loob ng mga dalawang minuto
Kunin muna ang docker-compose config:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Itakda ang OPEN_NOTEBOOK_ENCRYPTION_KEY sa anumang secret string, pagkatapos ay simulan:
docker compose up -d
Maghintay ng 15–20 segundo, pagkatapos buksan ang http://localhost:8502 sa browser.
I-configure ang models: kung may API Key, pumili ng provider sa Models page — OpenAI, Anthropic, Google, DeepSeek, Mistral, at iba pa (18 providers). Para sa fully free local run, gamitin ang examples/docker-compose-ollama.yml mula sa repo — walang API Key na kailangan, pero kailangan ng GPU.
I-spin up, mag-drop ng PDF, at subukan ang Q&A. Sapat na ang dalawampung minuto para magdesisyon kung magpapatuloy pa.
Pagtatapos
Karamihan sa ginagawa ng NotebookLM, kaya rin ng open-notebook — habang nananatili ang data sa iyong mga kamay.
Kung mahalaga sa iyo ang data sovereignty, model choice, o API-driven workflows, sulit ang two-minute open-notebook deploy.
Proyekto: github.com/lfnovo/open-notebook