Повний гайд по open-source NotebookLM: 35K зірок — документи in, Q&A і подкасти автоматично
Потрібні Q&A по документах і AI-подкасти без надсилання даних у Google? open-notebook (35K зірок, MIT) — self-hosted альтернатива: Docker за 2 хвилини, 1–4 спікери, повний REST API.
Хочете розмовну базу знань із ваших документів — без надсилання цих даних у Google? Цей open-source проєкт із 35K stars дозволяє розгорнути власний NotebookLM приблизно за дві хвилини.
NotebookLM чудовий. Ніхто не сперечається. Але одна проблема ніколи не зникає: кожен PDF і аудіокліп, який ви завантажуєте, живе на серверах Google.
Для публічного контенту — нормально. Проєктні документи, файли клієнтів, неопубліковані чернетки? Ви справді готові все це туди завантажити?
Тоді я знайшов open-notebook — open-source альтернативу NotebookLM з 35K GitHub stars і ліцензією MIT.
1. Спочатку подивіться: завантажте PDF і запитайте
Користуватися open-notebook майже як Google NotebookLM — лише ваші дані ніколи не покидали ваш сервер.
Завантажте PDF, запитайте «що охоплює цей розділ?» — відповіді ґрунтуються на документі, а не на вигадці.
Q&A — лише перший крок. Запустіть генерацію подкасту, виберіть двох спікерів, і він перетворить джерело на діалоговий сценарій, потім синтезує двоголосий аудіоогляд.
Можна вибрати від 1 до 4 спікерів, кожен зі своєю персоною та голосом — набагато гнучкіше, ніж два фіксовані ведучі NotebookLM.
Два ключові завдання NotebookLM — документно-обґрунтований AI Q&A і автоматичні подкасти — обидва добре виконуються. PDF, веб-сторінки, відео та аудіо стають пошуковими знаннями.
2. Дві реальні переваги над NotebookLM
По-перше, гнучкіші подкасти. NotebookLM прив'язує до двох фіксованих AI-ведучих. open-notebook підтримує 1–4 спікерів, кожен з налаштовуваними ролями та голосами.
По-друге, повний REST API. Це практична прогалина. open-notebook постачається з повним REST API для автоматизації — у NotebookLM немає публічного аналога.
3. Застереження, які варто знати заздалегідь
Цитування поки слабке. NotebookLM може вказати «сторінка 3 цього PDF». open-notebook наразі пропонує лише базове grounding.
Це не безкоштовно. Потрібен власний AI API Key (оплата за використання) або локальний Ollama (безкоштовно, але вимогливо до заліза). У NotebookLM хоча б є безкоштовний tier.
Коротко, він замінює можливість «завантажити документи і дати AI їх прочитати» — а не «безкоштовно їхати за чужий рахунок».
4. Кому варто спробувати — і кому почекати
Варто спробувати, якщо: знаєте базовий Docker і хочете тримати дані поза хмарою; потрібні не-Google моделі (DeepSeek, Anthropic, локальний Ollama) для Q&A документів; або потрібен API для інтеграції чату на основі джерел у ваш стек.
Краще почекати, якщо: ніколи не встановлювали Docker — шлях розгортання не короткий; потрібні цитати на рівні сторінок — ще не готово; потрібен лише безкоштовний AI — це self-hosted інструмент, а не безкоштовний AI-продукт.
Складність: середня · Docker Desktop + один AI API Key (або Ollama для повністю безкоштовної настройки, що споживає VRAM).
5. Найшвидший старт: Docker приблизно за дві хвилини
Спочатку завантажте конфіг docker-compose:
curl -o docker-compose.yml https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.yml
Встановіть OPEN_NOTEBOOK_ENCRYPTION_KEY на будь-який секретний рядок і запустіть:
docker compose up -d
Зачекайте 15–20 секунд і відкрийте http://localhost:8502 у браузері.
Налаштуйте моделі: якщо є API Key, оберіть провайдера на сторінці Models — OpenAI, Anthropic, Google, DeepSeek, Mistral та інші (18 провайдерів). Для повністю безкоштовного локального запуску використовуйте examples/docker-compose-ollama.yml з репозиторію — API Key не потрібен, але потрібна GPU.
Запустіть, завантажте PDF і спробуйте Q&A. Двадцяти хвилин достатньо, щоб вирішити, чи йти глибше.
Заключення
Майже все, що робить NotebookLM, open-notebook теж може — із даними повністю у ваших руках.
Якщо вам важливі суверенітет даних, вибір моделей або API-орієнтовані workflow, двохвилинне розгортання open-notebook варте того.
Проєкт: github.com/lfnovo/open-notebook