Guia completo do NotebookLM open source: 35K stars — docs in, Q&A e podcasts automáticos
Quer Q&A de documentos e podcasts de IA sem enviar dados ao Google? open-notebook (35K stars, MIT) é a alternativa self-hosted: Docker em 2 minutos, 1–4 falantes, REST API completa.
Quer uma base de conhecimento conversacional a partir dos seus documentos — sem enviar esses dados ao Google? Este projeto open source com 35K stars permite montar o seu próprio NotebookLM em cerca de dois minutos.
O NotebookLM é excelente. Ninguém discute isso. Mas um problema nunca desaparece: cada PDF e clipe de áudio que você envia fica nos servidores do Google.
Tudo bem para conteúdo público. Documentos de projeto, arquivos de clientes, rascunhos inéditos? Você realmente se sente confortável em colocar tudo isso lá?
Foi então que encontrei o open-notebook — uma alternativa open source ao NotebookLM com 35K GitHub stars e licença MIT.
1. Veja primeiro: coloque um PDF e pergunte
Usar o open-notebook parece quase idêntico ao Google NotebookLM — exceto que seus dados nunca saíram do seu próprio servidor.
Envie um PDF, pergunte "o que esta seção aborda?" — as respostas ficam ancoradas no documento, não inventadas.
O Q&A é só o primeiro passo. Acione a geração de podcast, escolha dois locutores, e ele transforma a fonte em roteiro de diálogo, depois sintetiza uma visão geral em áudio com duas vozes.
Você pode escolher de 1 a 4 locutores, cada um com persona e voz personalizadas — muito mais flexível que os dois apresentadores fixos do NotebookLM.
Os dois trabalhos centrais do NotebookLM — Q&A com IA baseada em documentos e podcasts automáticos — são ambos bem atendidos. PDFs, páginas web, vídeo e áudio viram conhecimento pesquisável.
2. Duas vantagens reais sobre o NotebookLM
Primeiro, podcasts mais flexíveis. O NotebookLM prende você a dois apresentadores IA fixos. O open-notebook suporta 1–4 locutores, cada um com papéis e vozes personalizados.
Segundo, uma REST API completa. Esta é a lacuna prática. O open-notebook inclui uma REST API completa para automação — o NotebookLM não tem equivalente público.
3. As ressalvas que você deve ouvir de antemão
As citações ainda são fracas. O NotebookLM pode apontar "página 3 deste PDF." O open-notebook oferece por ora apenas grounding básico.
Não é gratuito. Traga sua própria API Key de IA (pague por uso) ou execute Ollama localmente (grátis, mas pesado em hardware). O NotebookLM pelo menos tem um tier gratuito.
Em resumo, substitui a capacidade de "colocar documentos e deixar a IA lê-los para você" — não "aproveitar de graça sem custo."
4. Quem deve experimentar — e quem deve esperar
Vale a pena se: você conhece Docker básico e se importa em manter dados fora da nuvem; quer modelos não Google (DeepSeek, Anthropic, Ollama local) para Q&A de documentos; ou precisa de uma API para integrar chat baseado em fontes ao seu stack.
Melhor esperar se: você nunca instalou Docker — o caminho de deploy não é curto; precisa de citações em nível de página — ainda não está pronto; só quer IA gratuita — isto é uma ferramenta self-hosted, não um produto de IA gratuito.
Dificuldade: média · Docker Desktop + uma API Key de IA (ou Ollama para configuração totalmente gratuita que consome VRAM).
5. Início mais rápido: Docker em cerca de dois minutos
Primeiro baixe a configuração do docker-compose:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Defina OPEN_NOTEBOOK_ENCRYPTION_KEY com qualquer string secreta e inicie:
docker compose up -d
Aguarde 15–20 segundos e abra http://localhost:8502 no navegador.
Configure modelos: se tiver uma API Key, escolha um provedor na página Models — OpenAI, Anthropic, Google, DeepSeek, Mistral e mais (18 provedores). Para execução local totalmente gratuita, use examples/docker-compose-ollama.yml do repositório — sem API Key, mas precisa de GPU.
Suba, coloque um PDF e teste o Q&A. Vinte minutos bastam para decidir se vai mais fundo.
Encerramento
Quase tudo o que o NotebookLM faz, o open-notebook também pode — com dados totalmente nas suas mãos.
Se você se importa com soberania de dados, escolha de modelos ou fluxos guiados por API, um deploy de dois minutos do open-notebook vale a pena.
Projeto: github.com/lfnovo/open-notebook