Kompletny przewodnik po open-source NotebookLM: 35K gwiazdek — dokumenty in, Q&A i podcasty automatycznie
Chcesz Q&A po dokumentach i podcasty AI bez wysyłania danych do Google? open-notebook (35K gwiazdek, MIT) to self-hosted alternatywa: Docker w 2 minuty, 1–4 mówców, pełne REST API.
Chcesz konwersacyjną bazę wiedzy ze swoich dokumentów — bez wysyłania danych do Google? Ten projekt open source z 35K stars pozwala postawić własny NotebookLM w około dwie minuty.
NotebookLM jest świetny. Nikt tego nie kwestionuje. Ale jeden problem nigdy nie znika: każdy PDF i klip audio, który wrzucasz, żyje na serwerach Google.
Dla treści publicznych — OK. Dokumenty projektowe, pliki klientów, nieopublikowane szkice? Naprawdę czujesz się komfortowo, wrzucając tam wszystko?
Wtedy znalazłem open-notebook — open-source alternatywę NotebookLM z 35K GitHub stars i licencją MIT.
1. Najpierw zobacz: wrzuć PDF i pytaj
Korzystanie z open-notebook jest prawie jak Google NotebookLM — tylko że twoje dane nigdy nie opuściły własnego serwera.
Wrzuć PDF, zapytaj „co obejmuje ta sekcja?” — odpowiedzi opierają się na dokumencie, nie na wymyślaniu.
Q&A to tylko pierwszy krok. Uruchom generowanie podcastu, wybierz dwóch mówców, a zamieni źródło w scenariusz dialogowy, potem zsyntetyzuje dwuosobowe audio.
Możesz wybrać od 1 do 4 mówców, każdy z własną personą i głosem — znacznie elastyczniej niż dwóch stałych prowadzących NotebookLM.
Dwa główne zadania NotebookLM — Q&A AI oparte na dokumentach i automatyczne podcasty — są oba dobrze obsłużone. PDF-y, strony, wideo i audio stają się przeszukiwalną wiedzą.
2. Dwie realne przewagi nad NotebookLM
Po pierwsze, bardziej elastyczne podcasty. NotebookLM blokuje cię na dwóch stałych hostach AI. open-notebook obsługuje 1–4 mówców, każdy z własnymi rolami i głosami.
Po drugie, pełne REST API. To praktyczna luka. open-notebook dostarcza kompletne REST API do automatyzacji — NotebookLM nie ma publicznego odpowiednika.
3. Zastrzeżenia, które warto znać z góry
Cytaty nadal słabe. NotebookLM może wskazać „strona 3 tego PDF”. open-notebook oferuje na razie tylko podstawowe grounding.
To nie jest darmowe. Przynieś własny AI API Key (płatność za użycie) lub uruchom Ollama lokalnie (darmowo, ale obciąża sprzęt). NotebookLM ma przynajmniej darmowy tier.
Krótko mówiąc, zastępuje możliwość „wrzuć dokumenty i niech AI je dla ciebie przeczyta” — nie „darmowy przejazd bez kosztów”.
4. Kto powinien spróbować — a kto poczekać
Warto, jeśli: znasz podstawy Docker i zależy ci na danych poza chmurą; chcesz modele spoza Google (DeepSeek, Anthropic, lokalny Ollama) do Q&A dokumentów; lub potrzebujesz API do podłączenia czatu opartego na źródłach do własnego stacku.
Lepiej poczekać, jeśli: nigdy nie instalowałeś Docker — ścieżka deploy nie jest krótka; potrzebujesz cytatów na poziomie stron — jeszcze nie gotowe; chcesz tylko darmowe AI — to narzędzie self-hosted, nie darmowy produkt AI.
Trudność: średnia · Docker Desktop + jeden AI API Key (lub Ollama dla w pełni darmowej konfiguracji zużywającej VRAM).
5. Najszybszy start: Docker w około dwie minuty
Najpierw pobierz konfigurację docker-compose:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Ustaw OPEN_NOTEBOOK_ENCRYPTION_KEY na dowolny tajny ciąg i uruchom:
docker compose up -d
Poczekaj 15–20 sekund i otwórz http://localhost:8502 w przeglądarce.
Skonfiguruj modele: jeśli masz API Key, wybierz dostawcę na stronie Models — OpenAI, Anthropic, Google, DeepSeek, Mistral i inne (18 dostawców). Do w pełni darmowego lokalnego uruchomienia użyj examples/docker-compose-ollama.yml z repo — bez API Key, ale potrzebujesz GPU.
Odpal, wrzuć PDF i wypróbuj Q&A. Dwadzieścia minut wystarczy, by zdecydować, czy iść głębiej.
Podsumowanie
Prawie wszystko, co robi NotebookLM, open-notebook też potrafi — przy danych w pełni w twoich rękach.
Jeśli zależy ci na suwerenności danych, wyborze modeli lub workflow sterowanych API, dwuminutowy deploy open-notebook jest wart zachodu.
Projekt: github.com/lfnovo/open-notebook