Quando se trata de ferramentas de IA que aumentam a produtividade, é difícil ignorar o NotebookLM. Capaz de coletar documentos e materiais acadêmicos em cadernos bem organizados, o aplicativo de pesquisa do Google permite que os LLMs executem consultas em seus próprios bancos de dados, em vez de forçar os modelos de IA a confiar nos dados nos quais foram treinados. Ao utilizar sessões de chat em fontes reais, o NotebookLM também fornece respostas precisas com documentos citados, em vez de respostas alucinatórias baseadas em informações desatualizadas.
Mas, apesar de seus méritos, não sou fã do suporte do NotebookLM para nada além de clankers do Google, especialmente porque já pesquisei meu pacote de produtividade no Google. Felizmente, descobri o Open Notebook há alguns meses e esta ferramenta FOSS pode replicar quase todas as ferramentas NotebookLM. Ele inclui um recurso de geração de podcast que pode transformar notas acadêmicas em análises de áudio que posso ouvir enquanto faço tarefas entediantes e chatas, e é de longe o aspecto mais subestimado do Open Notebook.
Esses 5 pequenos ajustes tornaram minha configuração de LLM auto-hospedada muito mais produtiva
Por que a otimização do fluxo de trabalho é mais importante do que especificações massivas de hardware.
O recurso de geração de podcast do Open Notebook é melhor que seu concorrente
Também é bastante personalizável
Deixe-me ser claro: os recursos de geração de podcast do NotebookLM não são de forma alguma terríveis. Na verdade, eles podem soar surpreendentemente realistas com sua entonação e fluxo de linguagem em comparação com uma configuração de notebook aberto. No entanto, o fato de você estar limitado aos modelos originais do Google não é ideal se você tem tanta aversão aos modelos de nuvem quanto eu. A menos que você esteja procurando soluções alternativas, o NotebookLM suporta no máximo dois alto-falantes AI por podcast. Há também o fato de que a versão gratuita do NotebookLM tem três análises de áudio todos os dias, esteja você criando novos podcasts para notebooks diferentes ou atualizando um arquivo de áudio em fontes de imprecisão factual.
Por outro lado, ao criar podcasts, o Open Notebook pode usar uma variedade de provedores LLM e TTS, incluindo plataformas em nuvem e mecanismos de inferência locais. Além de ser livre para escolher os palestrantes dos meus podcasts, sou livre para mudar sua personalidade, entonação e história de fundo para combinar com a energia dos documentos originais. Claro, o Google NotebookLM oferece suporte a algumas opções de personalização de relatórios de áudio, mas elas não são nada comparadas às séries personalizadas e perfis de alto-falantes disponíveis em seu equivalente FOSS.
Executei o Ollama e o Open WebUI em um mini PC de US$ 200 e essa pilha nativa de IA realmente funciona.
Transforme um mini PC de US$ 200 em uma ferramenta versátil para tarefas diárias e muito mais.
O Open Notebook também suporta até quatro alto-falantes AI, o que é bastante útil quando desejo vozes distintas para longas discussões abrangendo múltiplas fontes. Supondo que você tenha um pipeline de geração de podcast totalmente local como eu, você pode criar dezenas de podcasts completos sem se preocupar em pagar um centavo por assinaturas pagas. Já que estamos no assunto…
Pode até usar um pipeline totalmente local para geração de podcast
Runas + llama-server fornece minhas tarefas do Open Notebook
Embora Ollama seja uma opção decente para Open Notebook, prefiro o LLM rodando em hosts llama.cpp para inferência. Especificamente, o Qwen3.6-35B-A3B rodando em meu RTX 3080 Ti (com alguns especialistas transferidos para minha CPU e RAM) serve como modelo de contorno e transcrição para as atividades de geração de podcast.
Enquanto isso, o aspecto da conversão de texto em fala é tratado por um contêiner de fala em execução no mesmo computador que a instância do Open Notebook. A fala, por outro lado, é usada pelo Kokoro-82M-v1.0-ONNX para operações TTS ao gerar podcasts, embora eu também o tenha configurado para rodar mais rápido, com um sussurro pequeno, para as cargas de trabalho de conversão de texto em fala que preciso para lidar com as fontes de áudio e vídeo do meu notebook.
Em termos de desempenho, esta configuração é capaz de gerar um podcast de 15 minutos com três alto-falantes em cerca de 20 minutos, o que é bastante impressionante, visto que tudo funciona em um pipeline de IA local que não está conectado à nuvem.
Mas é muito importante criar os perfis corretos de alto-falante e série
Por padrão, o Open Notebook inclui algumas configurações de alto-falantes e séries. Mas você precisará alterá-los manualmente para corresponder ao seu provedor de IA específico, caso contrário, o assistente de geração de podcast falhará sem erros (sim, aprendi isso da maneira mais difícil). Para o perfil do locutor, você precisará selecionar um modelo TTS, bem como as vozes que deseja usar para o podcast. Também inclui seções de história e personalidade onde você pode configurar o papel e a energia de cada palestrante.
Costumo usar uma configuração de dois alto-falantes para podcasts simples, onde um atua como um apresentador claro e conciso e o outro atua como um especialista enérgico e articulado no assunto. Para notas complexas, normalmente adiciono uma terceira voz curiosa para fazer perguntas, e um quarto orador é responsável por resumir partes importantes do podcast.
Enquanto isso, os perfis dos episódios determinam o número de segmentos, a geração de contorno LLM e o tom geral do podcast. Como minhas notas estão relacionadas ao laboratório doméstico, projetos DevOps e documentação de codificação, defini o parâmetro de briefing para forçar as ferramentas de IA a fornecer insights detalhados e manter uma abordagem prática durante toda a revisão de áudio.
E esse é apenas um dos muitos recursos do Open Notebook
Por mais que eu adore o recurso de geração de podcast, o Open Notebook tem muitos truques na manga. O bate-papo baseado em RAG é ótimo para resumir documentos grandes e responder perguntas com precisão, enquanto as ações de transformação são ótimas para analisar notas. Adicione um LLM volumoso como Gemma-4-26B-A4B ou Qwen3.6-35B-A3B e o Open Notebook se tornará uma superloja de produtividade em pesquisa.
