Panduan lengkap NotebookLM sumber terbuka: 35K bintang — masukkan dokumen, Q&A dan podcast automatik

Mahukan pangkalan pengetahuan perbualan daripada dokumen anda — tanpa menghantar data itu ke Google? Projek sumber terbuka 35K stars ini membolehkan anda menyiapkan NotebookLM sendiri dalam kira-kira dua minit.

NotebookLM sangat hebat. Tiada siapa yang membantah. Tetapi satu isu tidak pernah hilang: setiap PDF dan klip audio yang anda muat naik berada di pelayan Google.

Sesuai untuk kandungan awam. Dokumen projek, fail pelanggan, draf belum diterbitkan? Adakah anda benar-benar selesa memasukkan semuanya?

Itulah ketika saya menemui open-notebook — alternatif NotebookLM sumber terbuka dengan 35K GitHub stars dan lesen MIT.

Gambaran keseluruhan open-notebook sebagai alternatif NotebookLM self-hosted dengan Q&A dokumen dan podcast berbilang penutur

1. Lihat dahulu: masukkan PDF dan tanya

Menggunakan open-notebook terasa hampir sama dengan Google NotebookLM — kecuali data anda tidak pernah meninggalkan pelayan sendiri.

Muat naik PDF, tanya "bahagian ini merangkumi apa?" — jawapan berpunca pada dokumen, bukan rekaan.

Q&A hanya langkah pertama. Tekan penjanaan podcast, pilih dua penutur, dan ia menukar sumber kepada skrip dialog, kemudian mensintesis ringkasan audio dua orang.

Anda boleh pilih 1 hingga 4 penutur, setiap satu dengan persona dan suara tersuai — jauh lebih fleksibel daripada dua hos tetap NotebookLM.

Dua tugas teras NotebookLM — Q&A AI berasaskan dokumen dan podcast automatik — kedua-duanya ditangani dengan baik. PDF, halaman web, video dan audio semuanya menjadi pengetahuan boleh dicari.

UI open-notebook menunjukkan muat naik PDF, Q&A berasaskan sumber dan penjanaan podcast berbilang penutur

2. Dua kelebihan sebenar berbanding NotebookLM

Pertama, podcast lebih fleksibel. NotebookLM mengunci anda pada dua hos AI tetap. open-notebook menyokong 1–4 penutur, setiap satu dengan peranan dan suara tersuai.

Kedua, REST API penuh. Ini jurang praktikal. open-notebook menyediakan REST API lengkap untuk automasi — NotebookLM tiada setara awam.

3. Catatan penting yang perlu anda ketahui awal

Petikan masih lemah. NotebookLM boleh menunjuk "halaman 3 PDF ini." open-notebook buat masa ini hanya menawarkan grounding asas.

Ia tidak percuma. Bawa API Key AI sendiri (bayar mengikut guna) atau jalankan Ollama secara tempatan (percuma, tetapi berat pada perkakasan). NotebookLM sekurang-kurangnya ada tier percuma.

Ringkasnya, ia menggantikan keupayaan "masukkan dokumen dan biarkan AI membacanya untuk anda" — bukan "naik percuma tanpa kos."

Kompromi open-notebook: self-hosting dan kebebasan model berbanding petikan lemah dan keperluan API atau GPU sendiri

4. Siapa patut cuba — dan siapa patut tunggu

Patut cuba jika: anda tahu Docker asas dan peduli menjaga data di luar awan; mahukan model bukan Google (DeepSeek, Anthropic, Ollama tempatan) untuk Q&A dokumen; atau perlukan API untuk menyambung sembang berasaskan sumber ke stack sendiri.

Lebih baik tunggu jika: tidak pernah memasang Docker — laluan deploy tidak pendek; perlukan petikan peringkat halaman — belum sedia; hanya mahukan AI percuma — ini alat self-hosted, bukan produk AI percuma.

Kesukaran: sederhana · Docker Desktop + satu API Key AI (atau Ollama untuk persediaan percuma sepenuhnya yang menggunakan VRAM).

5. Permulaan terpantas: Docker dalam kira-kira dua minit

Tarik konfigurasi docker-compose dahulu:

curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml

Tetapkan OPEN_NOTEBOOK_ENCRYPTION_KEY kepada sebarang rentetan rahsia, kemudian mulakan:

docker compose up -d

Tunggu 15–20 saat, kemudian buka http://localhost:8502 dalam pelayar.

Konfigurasi model: jika ada API Key, pilih pembekal di halaman Models — OpenAI, Anthropic, Google, DeepSeek, Mistral dan lain-lain (18 pembekal). Untuk jalankan tempatan percuma sepenuhnya, gunakan examples/docker-compose-ollama.yml daripada repo — tiada API Key diperlukan, tetapi perlukan GPU.

Hidupkan, masukkan PDF dan cuba Q&A. Dua puluh minit cukup untuk memutuskan sama ada mahu mendalami.

Penutup

Kebanyakan apa yang dilakukan NotebookLM, open-notebook juga boleh — dengan data sepenuhnya di tangan anda.

Jika anda peduli kedaulatan data, pilihan model atau aliran kerja dipacu API, deploy open-notebook dua minit berbaloi.

Projek: github.com/lfnovo/open-notebook