Open NotebookLM开源项目安装与使用指南

项目概述

Open NotebookLM是一个基于开源AI技术的创新工具，能够将PDF文档智能转换为自然对话风格的音频播客。该项目结合了先进的大型语言模型和文本转语音技术，为用户提供个性化的播客制作体验。

核心功能特性

• PDF转播客功能：上传PDF文档即可自动生成播客对话
• 多语言支持：支持英语、中文、法语、德语、日语等13种语言
• 对话式音频：生成自然流畅的播客对话，包含主持人和嘉宾角色
• 用户友好界面：基于Gradio的简单易用界面
• 自定义选项：支持调整对话长度、语调和提问内容

技术架构

核心模型组件

• Llama 3.3 70B：强大的开源语言模型
• Fireworks AI：专业模型托管平台
• MeloTTS：高质量文本转语音框架
• Bark：音频处理工具
• Jina Reader：PDF解析引擎

安装步骤

环境要求

• Python 3.7或更高版本
• Git版本控制系统
• 稳定的网络连接

详细安装流程

1. 获取项目源码 使用以下命令克隆项目仓库：

   git clone https://gitcode.com/gh_mirrors/op/open-notebooklm.git
   cd open-notebooklm
   

2. 创建虚拟环境

   python -m venv .venv
   source .venv/bin/activate
   

3. 安装依赖包

   pip install -r requirements.txt
   

4. 配置API密钥 设置Fireworks API密钥环境变量：

   export FIREWORKS_API_KEY=你的API密钥
   

使用教程

启动应用

运行以下命令启动Gradio界面：

python app.py

界面操作步骤

1. 上传PDF文件：在界面中上传需要转换的PDF文档
2. 输入URL（可选）：可添加网页内容作为补充
3. 设置问题：指定想要探讨的具体问题或主题
4. 选择语调：在"Fun"（轻松）和"Formal"（正式）之间选择
5. 确定时长：选择"Short (1-2 min)"或"Medium (3-5 min)"
6. 选择语言：从13种支持的语言中选择
7. 音频生成选项：选择是否使用高级音频生成功能

输出结果

• 音频文件：生成的MP3格式播客文件
• 文字稿：完整的对话文字记录

项目结构说明

项目包含以下核心文件：

• app.py：主应用程序文件，包含Gradio界面和主要逻辑
• constants.py：常量定义文件，包含API配置和UI设置
• schema.py：数据结构定义
• prompts.py：提示词模板
• utils.py：工具函数
• requirements.txt：依赖包列表

注意事项

• 字符限制：处理的总文本内容不超过10万个字符
• 文件格式：仅支持PDF格式文件
• 语言支持：某些语言需要启用高级音频生成功能

常见问题

安装问题

• 确保Python版本符合要求
• 检查网络连接是否稳定
• 验证API密钥是否正确设置

使用问题

• 上传的PDF文件应包含可提取的文本内容
• 对于较长的文档，建议选择较短的输出时长

通过本指南，您可以快速掌握Open NotebookLM的安装和使用方法，开始将PDF文档转换为个性化的音频播客内容。