Open Notebook (lfnovo/open-notebook) es un asistente de investigación con IA al estilo de NotebookLM que podés alojar vos. Subís documentos, PDFs, páginas web, videos y audio, y la IA te responde, genera resúmenes y te genera podcasts — pero en tu propio hardware, con el modelo que elegís y sin que tus fuentes desparezcan a un servidor de Google.
En vez de enviar tus documentos a la nube de Google, corrés el stack completo (Next.js + SurrealDB + workers) en tu máquina o servidor mediante Docker, y elegís qué modelo de qué proveedor responde, resume o genera los podcasts.
Por qué se diferencia de NotebookLM
NotebookLM es bueno, pero tiene fronteras: solo modelos de Google, dos voces fijas en los podcasts, y los datos viven en sus servers. Open Notebook rompe esas fronteras:
- Privacidad real: podés correrlo 100% local con Ollama y que tus documentos nunca crucen internet. O podés mezclar proveedores comerciales y locales.
- 18+ proveedores: no estás atado a un vendor. OpenAI, Anthropic, Ollama (100% local), LM Studio, Google, Vertex AI, Groq, Mistral, DeepSeek, xAI, OpenRouter y más. Cambiá de modelo cuando haga falta, optimizá costos, testeá modelos locales.
- Podcasts de 1 a 4 voces: NotebookLM te da dos locutores fijos. Acá configurás 1, 2, 3 o 4 hablantes, cada uno con su propio rol y voz.
- Sin tope artificial de fuentes: no hay el techo de 50 fuentes / 500K palabras de NotebookLM.
- API REST completa: podés wirear el chat con grounded context en tu propio stack. NotebookLM no te da eso.
- Multilingüe: la UI está traducida a inglés, portugués, chino, japonés, ruso y bengalí.
A cambio, hay cosas donde NotebookLM aún va más allá: las citas página-exacto con highlighting son más precisas en el producto de Google, y Open Notebook es un proyecto que corrés vos (con lo que eso implica de mantenimiento).
Lo que podés hacer con él
- Chat grounded: preguntá sobre tus documentos y la respuesta viene con referencias a las fuentes. PDFs, URLs, videos y audio se convierten en conocimiento buscable.
- Podcast Generator: convertí tu material en un podcast de 1-4 voces con perfiles personalizables. Más flexible que los Audio Overviews de NotebookLM.
- Search & Ask: búsqueda full-text y vectorizada sobre todo tu contenido ingerido.
- AI-Powered Notes: notas enriquecidas con IA sobre lo que estás investigando.
- Transformations: procesar y enriquecer contenido. La nueva Docling engine hace OCR de PDFs escaneados e imágenes, con manejo de fórmulas matemáticas y descripción de imágenes vía modelo vision — todo opt-in.
Docker en ~2 minutos
El punto de entrada es un solo docker-compose.yml:
mkdir open-notebook && cd open-notebookcurl -o docker-compose.yml \ https://raw.githubusercontent.com/lfnovo/open-notebook/main/docker-compose.ymlexport OPEN_NOTEBOOK_ENCRYPTION_KEY="un-string-secreto-cualquiera"docker compose up -d
La UI está viva ~15-20 segundos después en http://localhost:8502 (la API corre en otro puerto, 5055). Después, entrá a Settings, pegá las API keys de los proveedores que querés usar (o configurá Ollama para correr todo local) y empezá a ingerir documentos.
Importante para producción: cambiá OPEN_NOTEBOOK_ENCRYPTION_KEY del default antes de exponerlo. El default es el tipo de error que convierte un notebook privado en uno público.
Stack y datos verificados
- Estrellas: 38.039 · Forks: 4.406 (GitHub, 05-09-2026)
- Licencia: MIT (uso libre, incluso comercial, manteniendo el notice de copyright)
- Stack: TypeScript, Python, Next.js, SurrealDB, Docker, Ollama
- Autor: lfnovo (723 contribuciones en el repo)
- Creado: 21-10-2024
- Último release: v1.13.0 "Content Core 2.0" — mayor upgrade de procesamiento de contenido: Docling como engine opt-in con OCR para PDFs escaneados, layout-aware parsing, toggles de fórmulas y visión para imágenes
- Open issues: 147
Quién debería probarlo
Valdrá la pena si: sabés lo básico de Docker, querés que tus datos de investigación no vivan en la nube de Google, necesitás modelos que no son Gemini (DeepSeek, Anthropic, Ollama local, etc.) para el chat grounded, o necesitás una API para wirear el chat con contexto de fuentes en tu propio sistema.
Seguí de largo si: nunca instalaste Docker (el path de deploy no es corto si no estás familiarizado), necesitás citas página-exacto con highlighting (aún no está al nivel de NotebookLM), o solo querés IA gratis sin tocar tu infra.