open-notebook: El NotebookLM de Google, pero corriendo en tu propio servidor y con el modelo que tú elijas.

El NotebookLM de Google, pero corriendo en tu propio servidor y con el modelo que tú elijas.

NotebookLM es cómodo, pero tus documentos viven en los servidores de Google y te amarras a sus modelos. Open Notebook hace lo mismo (chat sobre tus fuentes, podcasts generados, búsqueda) auto-hospedado, con 18 proveedores de IA distintos y tus datos sin salir de tu máquina.

Estrellas

30k★

Lenguaje

TypeScript

Proveedores de IA

18+

Revisado

13 jun 2026

De un vistazo, lo que vas a obtener si lo instalas.

Tus datos, tu servidor

Auto-hospedado de punta a punta. Los documentos no salen de donde tú los pongas.

18+ proveedores

OpenAI, Anthropic, Google, Groq, Mistral, DeepSeek y más. Con Ollama corres todo en local.

Podcasts a la medida

Genera audio de uno a cuatro hablantes con perfiles de voz personalizados sobre tu material.

Búsqueda doble

Full-text y vectorial sobre todo tu contenido para encontrar lo que necesitas dentro de las fuentes.

API REST completa

Acceso programático total: integras Open Notebook a otros flujos, no solo lo usas desde su interfaz.

El contexto detrás del repo.

NotebookLM te deja subir documentos, hacerles preguntas y generar un podcast con dos voces que conversan sobre el material. Es de las herramientas de research más prácticas que sacó Google. El precio oculto: tus documentos quedan en sus servidores y el modelo que procesa todo lo decide Google, no tú.

Open Notebook reconstruye esa experiencia para que corra en tu propio servidor. Subes PDFs, videos, audio, páginas web y documentos de Office; chateas con un agente que usa ese material como contexto; haces búsqueda full-text y vectorial sobre todo; y generas podcasts de uno a cuatro hablantes con perfiles de voz personalizados. La diferencia de fondo es el control: conectas el proveedor de IA que quieras de una lista de más de 18 (OpenAI, Anthropic, Google, Groq, Ollama para correr local, Mistral, DeepSeek, ElevenLabs y Deepgram para voz, entre otros) y tus datos no salen de donde tú los pongas.

El stack es Python con FastAPI en el backend, Next.js y React en el front, SurrealDB para datos y vectores, y LangChain para orquestar los modelos. Trae API REST completa para integrarlo a otros flujos e interfaz en seis idiomas, incluido el español.

Cuándo lo recomiendo (y cuándo no).

Lo recomiendo para quien hace research serio y no quiere que sus documentos vivan en la nube de un tercero: abogados con expedientes, investigadores con material sensible, equipos que manejan información de clientes, o cualquiera que ya use NotebookLM y choque con sus límites de privacidad o de modelo. Si tienes un servidor o sabes correr Docker, lo tienes andando en minutos. Conectar Ollama te deja correr todo el procesamiento en local sin mandar nada a ninguna API.

No es para quien quiere abrir una pestaña y empezar a usar sin instalar nada: NotebookLM gana en comodidad inmediata. Open Notebook pide que tú hospedes el servidor, edites una clave de encriptación y conectes tu propio proveedor de IA con su API key. Si no quieres administrar infraestructura ni pagar por tokens aparte, la versión de Google es más simple.

En 3 pasos, listo para probar.

Descarga el docker-compose

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

Trae todo lo necesario para levantar el backend, el front y SurrealDB de un golpe.

Edita la clave de encriptación y levanta

# En docker-compose.yml cambia:
# OPEN_NOTEBOOK_ENCRYPTION_KEY=change-me-to-a-secret-string
docker compose up -d

Cambia la clave por una cadena secreta tuya antes de arrancar. Después levantas los servicios en segundo plano.

Abre y conecta tu proveedor

Entra a http://localhost:8502 (espera 15 a 20 segundos tras arrancar) y configura un proveedor de IA en la sección de Modelos con tu API key. Si conectas Ollama, todo corre local.

Qué resuelve

NotebookLM de Google resolvió un problema real: subes tus documentos y le haces preguntas como si tuvieras un asistente que ya los leyó todos. Hasta genera un podcast donde dos voces conversan sobre tu material. El costo que no se ve es que esos documentos quedan en los servidores de Google y el modelo que los procesa lo elige Google.

Open Notebook hace lo mismo en tu propio servidor. Tus fuentes no salen de donde las pongas, y tú decides qué modelo procesa todo. Para research con material sensible, esa diferencia lo es todo.

Qué puedes hacer con él

Capacidad	Detalle
Subir contenido	PDFs, videos, audio, páginas web, documentos de Office
Chatear	Agente con contexto de tus fuentes
Buscar	Full-text y vectorial sobre todo el contenido
Generar podcasts	De uno a cuatro hablantes con perfiles de voz personalizados
Transformar	Acciones de procesamiento personalizables sobre el contenido
Integrar	API REST completa para conectarlo a otros flujos

La interfaz viene en seis idiomas: inglés, portugués, chino, japonés, ruso y bengalí.

El control que da

La pieza que lo separa de NotebookLM es la elección de proveedor. Conectas el que quieras de más de 18:

Comerciales: OpenAI, Anthropic, Google GenAI, Groq, Mistral, DeepSeek, Perplexity, xAI, OpenRouter, DashScope (Qwen), MiniMax, Azure OpenAI, Vertex AI.
Voz: ElevenLabs, Deepgram (para la generación de podcasts).
Local: Ollama y endpoints compatibles con OpenAI como LM Studio, para correr todo en tu máquina sin mandar nada a ninguna API.

Esa última opción es la que cierra el círculo de privacidad: con Ollama, ni tus documentos ni tus prompts salen de tu servidor.

El stack

Python con FastAPI en el backend, Next.js y React en el front, SurrealDB para datos y búsqueda vectorial, LangChain para orquestar los modelos. Se instala con Docker Compose, así que no peleas con dependencias sueltas. Licencia MIT.

Limitaciones honestas

Pide que tú hospedes el servidor. Si no quieres administrar infraestructura, NotebookLM es más cómodo.
Conectar un proveedor comercial significa pagar sus tokens aparte. El ahorro de privacidad no es ahorro de dinero salvo que uses Ollama en local.
Hay que editar la clave de encriptación a mano antes de arrancar. Es un paso fácil de saltar y dejar el default inseguro.

Mi recomendación

Si haces research con material que no quieres en la nube de un tercero (expedientes, datos de clientes, investigación sensible) y sabes correr Docker, esto es la alternativa directa a NotebookLM. Levántalo con el docker-compose, conecta Ollama si quieres todo en local o tu proveedor favorito si prefieres modelos más potentes, y prueba el flujo de chat y podcast sobre tus propias fuentes. Con 30k stars y licencia MIT, es de las implementaciones open source de NotebookLM más completas que hay hoy.