O que é Open Notebook?
O Open Notebook é uma alternativa de código aberto e auto-hospedada ao NotebookLM do Google (renomeado Gemini Notebook em julho de 2026). Você reúne fontes em cadernos, conversa com elas com citações, roda transformações reutilizáveis que convertem cada fonte em resumos ou outros insights, busca por texto completo ou por vetores e gera episódios de podcast com um a quatro locutores. Tudo está acessível por uma API REST, e um servidor MCP da comunidade permite que o Claude Desktop e outros clientes o controlem.
É um back-end em Python (FastAPI) com front-end em Next.js e SurrealDB como banco de dados, entregue como dois serviços Docker. Os modelos chegam pela biblioteca Esperanto, do próprio mantenedor, que cobre mais de 20 provedores, de OpenAI, Anthropic, Google e Mistral a Ollama, LM Studio e qualquer servidor compatível com OpenAI. As fontes incluem arquivos PDF, Office e OpenDocument, EPUB, áudio, vídeo, páginas web, transcrições do YouTube e texto colado.
O repositório foi criado em outubro de 2024 por Luis Novo (lfnovo), tem licença MIT, cerca de 41.100 estrelas no GitHub e chegou à v1.15.0 em 4 de outubro de 2026. Não há edição paga nem serviço hospedado do mantenedor.
Open Notebook vale a pena?
O Open Notebook é, na nossa leitura, a resposta auto-hospedada mais madura ao NotebookLM, e o que ele troca por essa liberdade é acabamento e profundidade de segurança. O Gemini Notebook do Google é gratuito, hospedado e fechado: roda só com os modelos do Google, e suas saídas agora incluem Audio e Video Overviews, mapas mentais, flashcards, quizzes e apresentações de slides. O Open Notebook faz menos coisas, chat, notas, transformações, busca e podcasts, mas roda em qualquer um de mais de 20 provedores, expõe todos os recursos por uma API REST e mantém os cadernos no seu disco. A qualidade das respostas e dos podcasts, portanto, é a que o modelo escolhido entrega, não a de um produto fixo do Google.
O recurso de podcast é mais configurável que o formato de dois apresentadores do Google. Um perfil de episódio define um modelo para o roteiro, um modelo para a transcrição e de 3 a 20 segmentos; um perfil de locutores define de uma a quatro vozes, que podem vir de provedores de text-to-speech diferentes, incluindo OpenAI, Google, ElevenLabs, Mistral, Deepgram, MiniMax e um servidor Speaches local. Os perfis que vêm prontos não têm modelos atribuídos, então nada é gerado até você defini-los. O custo são as duas passadas do modelo de linguagem sobre todo o conteúdo selecionado mais a fala do roteiro: na tarifa de $15 por 1M de caracteres do tts-1 da OpenAI, dar voz a um roteiro de 30.000 caracteres custa cerca de $0,45, ou $0,90 no tts-1-hd. Fontes de áudio e vídeo também precisam de um modelo de speech-to-text antes de serem processadas.
A privacidade é melhor que a do Google só se você a configurar. Com um provedor na nuvem, cada etapa de chat, transformação e podcast envia o texto das suas fontes a esse provedor; a rota totalmente local combina Ollama para chat e embeddings com Speaches para fala, e a documentação pede 8 GB de RAM e avisa que modelos pequenos em CPU são lentos. O contexto padrão de 8.192 tokens do Ollama trunca prompts longos em silêncio, o que aparece como respostas que ignoram suas fontes. O princípio declarado do projeto é nenhuma telemetria sem opt-in, e não encontramos código de telemetria no repositório.
Os padrões de segurança servem para uma pessoa em um notebook e nada além. O arquivo compose fornecido publica a UI na porta 8502 e a API na 5055 em todas as interfaces, com autenticação desligada, e sua chave de criptografia para as chaves de provedor armazenadas é um placeholder público sobre o qual o app não avisa. A proteção opcional é uma única senha compartilhada, sem contas, papéis, expiração de sessão, limite de requisições ou log de auditoria; o navegador a guarda no localStorage, e o CORS fica aberto a qualquer origem até você definir CORS_ORIGINS. O SurrealDB usa root:root por padrão, mas fica restrito ao localhost. Em abril de 2026 o CERT-EU relatou uma falha crítica de execução remota de código por injeção de template e dois bugs de alta gravidade de leitura e escrita de arquivos, corrigidos na v1.8.4, depois de uma injeção no SurrealDB corrigida na v1.8.3. O suporte a vários usuários está em consideração, não implementado.
Comparado ao AnythingLLM, que oferece workspaces com vários usuários, o Open Notebook é o produto mais estreito e a cópia mais fiel do ciclo de pesquisa do NotebookLM. Para uma casa ou um pesquisador sozinho em uma rede privada, é uma escolha sólida; uma equipe que precisa de logins separados tem de colocar um proxy com autenticação na frente dele.
Onde ele se destaca
Um jornalista trabalhando com documentos vazados que não podem ir para o Google
Fazer perguntas sobre algumas centenas de PDFs sem que o texto saia da minha máquina
Rode o arquivo compose com as portas ligadas a 127.0.0.1, adicione o Ollama com qwen3 e nomic-embed-text e ative o Docling para PDFs digitalizados. Nada é enviado a um provedor de modelos; o custo é uma máquina com pelo menos 8 GB de RAM e respostas mais lentas que as de um modelo na nuvem.
Um professor universitário transformando as leituras semanais em áudio para alunos que se deslocam
Fazer um episódio curto de discussão a partir dos artigos de cada semana
Defina um perfil de episódio com um modelo barato de roteiro e transcrição e um perfil de dois locutores no tts-1 da OpenAI, selecione as fontes da semana no nível Summary e deixe o worker montar o episódio. Dar voz a um roteiro de 30.000 caracteres custa cerca de $0,45, mais as chamadas ao modelo de linguagem.
Um desenvolvedor criando um assistente de pesquisa interno para uma consultoria de 10 pessoas
Alimentar relatórios de clientes automaticamente e consultá-los a partir das nossas próprias ferramentas
Envie arquivos por POST /api/sources com uma senha bearer, atrás de um proxy reverso HTTPS com CORS_ORIGINS definido, ou conecte agentes pelo servidor open-notebook-mcp. Todos compartilham uma senha, então acesso por pessoa exige um proxy ou gateway na frente.
Antes de decidir
- Configuração
- Baixe o docker-compose.yml, substitua o placeholder OPEN_NOTEBOOK_ENCRYPTION_KEY, depois rode docker compose up -d e abra localhost:8502 cerca de 30 segundos depois; adicione pelo menos um modelo de linguagem e um de embeddings em Manage, Models. A documentação pede 4 GB de RAM livre, 8 GB com Ollama local.
- Integrações
- OpenAI, Anthropic, Google, Vertex AI, Azure OpenAI, Mistral, Groq, DeepSeek, xAI, OpenRouter, Cohere, Voyage, ElevenLabs, Deepgram, MiniMax e outros via Esperanto; Ollama, oMLX, LM Studio e servidores compatíveis com OpenAI ou Anthropic; Docling, Crawl4AI, Firecrawl e Jina para extração; uma API REST e um servidor MCP da comunidade.
- Dados e privacidade
- Os cadernos ficam no SurrealDB e na pasta local notebook_data; as chaves de provedor são criptografadas com Fernet derivado por PBKDF2 desde a v1.15.0. O texto das fontes vai para os provedores que você configurar. Nenhuma telemetria encontrada; a autenticação vem desligada por padrão; quatro alertas, todos corrigidos até a v1.8.4.
- Custo em escala
- Sem plano pago. O gasto é o uso de modelos, embeddings e fala mais um servidor pequeno; podcasts na tarifa do tts-1 da OpenAI custam $15 por 1M de caracteres de roteiro, e a transcrição com Whisper cerca de $0,006 por minuto. Modelos locais eliminam custos por chamada, mas exigem RAM ou uma GPU.
- Limites
- 135 issues abertas e 56 pull requests abertos; um único usuário; sem limite de requisições nem log de auditoria; o YouTube pode bloquear pedidos de transcrição vindos do servidor sem proxy ou cookies; atualizar para a v1.15.0 regrava as chaves armazenadas em um formato que versões anteriores não conseguem ler.
O que é bom
- Mais de 20 provedores de modelos, incluindo Ollama totalmente local
- Podcasts com um a quatro locutores e provedores de TTS por locutor
- Todos os recursos disponíveis por uma API REST
- Licença MIT e instalação Docker com dois contêineres
O que não é
- Portas abertas em todas as interfaces, sem senha por padrão
- Uma única senha compartilhada; sem contas de usuário nem papéis
- Quatro alertas de segurança em abril de 2026, um deles crítico
- Menos formatos de saída que o Gemini Notebook
Ideal para
Pesquisadores, estudantes e pequenas equipes privadas que querem cadernos e podcasts ao estilo NotebookLM nos próprios modelos e servidor, e que conseguem mantê-lo fora da internet aberta ou atrás de um proxy com autenticação.
Alternativas ao Open Notebook
Open Notebook: perguntas frequentes
- Open Notebook vale a pena?
- O Open Notebook oferece o fluxo do NotebookLM nos modelos e no hardware que você escolher, desde que você trate sua única senha compartilhada como um trinco de porta, não como uma fechadura. Damos nota 4.0 de 5.
- Quanto custa Open Notebook?
- Gratuito e de código aberto (MIT). Somente auto-hospedado; você paga seus próprios provedores de modelos, embeddings, speech-to-text e text-to-speech, ou nada por chamada com modelos locais.
- Quais são as desvantagens de Open Notebook?
- Portas abertas em todas as interfaces, sem senha por padrão; uma única senha compartilhada; sem contas de usuário nem papéis; quatro alertas de segurança em abril de 2026, um deles crítico; menos formatos de saída que o Gemini Notebook.
- Para quem Open Notebook é indicado?
- Pesquisadores, estudantes e pequenas equipes privadas que querem cadernos e podcasts ao estilo NotebookLM nos próprios modelos e servidor, e que conseguem mantê-lo fora da internet aberta ou atrás de um proxy com autenticação.
- Quanto custa Open Notebook para uma equipe ou em produção?
- Sem plano pago. O gasto é o uso de modelos, embeddings e fala mais um servidor pequeno; podcasts na tarifa do tts-1 da OpenAI custam $15 por 1M de caracteres de roteiro, e a transcrição com Whisper cerca de $0,006 por minuto. Modelos locais eliminam custos por chamada, mas exigem RAM ou uma GPU.
- Open Notebook é seguro para dados da empresa?
- Os cadernos ficam no SurrealDB e na pasta local notebook_data; as chaves de provedor são criptografadas com Fernet derivado por PBKDF2 desde a v1.15.0. O texto das fontes vai para os provedores que você configurar. Nenhuma telemetria encontrada; a autenticação vem desligada por padrão; quatro alertas, todos corrigidos até a v1.8.4.
- Quais são as melhores alternativas ao Open Notebook?
- As alternativas mais próximas que analisamos são AnythingLLM, Khoj, DeepTutor e notebooklm-py.
Respostas verificadas em 31 de out. de 2026.