Полный гайд по open-source NotebookLM: 35K звёзд — документы in, Q&A и подкасты автоматически
Нужны Q&A по документам и ИИ-подкасты без отправки данных в Google? open-notebook (35K звёзд, MIT) — self-hosted альтернатива: Docker за 2 минуты, 1–4 спикера, полный REST API.
Хотите разговорную базу знаний из ваших документов — без отправки данных в Google? Этот open-source проект с 35K stars позволяет развернуть свой NotebookLM примерно за две минуты.
NotebookLM отличен. С этим никто не спорит. Но одна проблема никуда не девается: каждый PDF и аудиоклип, который вы загружаете, живёт на серверах Google.
Для публичного контента — нормально. Проектные документы, файлы клиентов, неопубликованные черновики? Вы правда готовы всё это туда загрузить?
Тогда я нашёл open-notebook — open-source альтернативу NotebookLM с 35K GitHub stars и лицензией MIT.
1. Сначала посмотрите: загрузите PDF и спросите
Использовать open-notebook почти как Google NotebookLM — только ваши данные никогда не покидали ваш сервер.
Загрузите PDF, спросите «что охватывает этот раздел?» — ответы основаны на документе, а не на выдумке.
Q&A — лишь первый шаг. Запустите генерацию подкаста, выберите двух спикеров, и он превратит источник в диалоговый сценарий, затем синтезирует аудиообзор на двух голосах.
Можно выбрать от 1 до 4 спикеров, каждый со своей персоной и голосом — гораздо гибче, чем два фиксированных ведущих NotebookLM.
Две ключевые задачи NotebookLM — документно-обоснованный AI Q&A и автоматические подкасты — обе выполняются хорошо. PDF, веб-страницы, видео и аудио становятся поисковыми знаниями.
2. Два реальных преимущества перед NotebookLM
Во-первых, более гибкие подкасты. NotebookLM привязывает к двум фиксированным AI-ведущим. open-notebook поддерживает 1–4 спикеров, каждый с настраиваемыми ролями и голосами.
Во-вторых, полный REST API. Это практический разрыв. open-notebook поставляется с полным REST API для автоматизации — у NotebookLM нет публичного аналога.
3. Оговорки, которые стоит знать заранее
Цитирование пока слабое. NotebookLM может указать «страница 3 этого PDF». open-notebook пока предлагает лишь базовое grounding.
Это не бесплатно. Нужен свой AI API Key (оплата по использованию) или локальный Ollama (бесплатно, но требовательно к железу). У NotebookLM хотя бы есть бесплатный tier.
Короче, он заменяет возможность «загрузить документы и дать AI их прочитать» — а не «бесплатно ездить за чужой счёт».
4. Кому стоит попробовать — и кому подождать
Стоит попробовать, если: знаете базовый Docker и хотите держать данные вне облака; нужны не-Google модели (DeepSeek, Anthropic, локальный Ollama) для Q&A по документам; или нужен API для интеграции чата на основе источников в ваш стек.
Лучше подождать, если: никогда не устанавливали Docker — путь развёртывания не короткий; нужны цитаты на уровне страниц — пока не готово; нужен только бесплатный AI — это self-hosted инструмент, а не бесплатный AI-продукт.
Сложность: средняя · Docker Desktop + один AI API Key (или Ollama для полностью бесплатной настройки, съедающей VRAM).
5. Самый быстрый старт: Docker примерно за две минуты
Сначала скачайте конфиг docker-compose:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Установите OPEN_NOTEBOOK_ENCRYPTION_KEY в любую секретную строку и запустите:
docker compose up -d
Подождите 15–20 секунд и откройте http://localhost:8502 в браузере.
Настройте модели: если есть API Key, выберите провайдера на странице Models — OpenAI, Anthropic, Google, DeepSeek, Mistral и другие (18 провайдеров). Для полностью бесплатного локального запуска используйте examples/docker-compose-ollama.yml из репозитория — API Key не нужен, но нужна GPU.
Запустите, загрузите PDF и попробуйте Q&A. Двадцати минут хватит, чтобы решить, углубляться ли дальше.
Заключение
Почти всё, что делает NotebookLM, open-notebook тоже может — при этом данные полностью в ваших руках.
Если важны суверенитет данных, выбор моделей или API-ориентированные workflow, двухминутное развёртывание open-notebook стоит того.
Проект: github.com/lfnovo/open-notebook