Local-NotebookLM: una versión local de código abierto de NotebookLM que convierte PDF en podcasts 212

¿Qué es Local-NotebookLM?

Local-NotebookLM es una herramienta de IA local que puede convertir documentos PDF en podcasts. Es compatible con modelos de lenguaje (LLM) y modelos de texto a voz (TTS) locales, lo que permite a los usuarios generar podcasts con diferentes estilos y duraciones según sus necesidades.

Características de Local-NotebookLM

Procesamiento inteligente de documentos

• Extracción automática de texto: extrae texto de PDF y limpia automáticamente los errores de formato y el contenido redundante.

• Soporte para artículos académicos: admite el procesamiento de artículos académicos que contienen fórmulas matemáticas.

• Procesamiento inteligente por bloques: admite el procesamiento de archivos grandes, con un máximo de 100.000 caracteres, y los divide automáticamente en bloques para optimizar la eficiencia del procesamiento.

Generación de contenido en múltiples modos

• Formatos de salida enriquecidos: admite 15 formatos de salida, incluyendo podcasts, entrevistas, debates, conferencias, etc.

• Estilos de contenido variados: ofrece 8 estilos de contenido, que abarcan profesional, académico, informal, humorístico, etc.

• Duración flexible del contenido: admite 4 duraciones de contenido, desde piezas cortas (10 minutos) hasta piezas largas (más de 100 minutos).

Soporte flexible de modelos

• Compatibilidad con múltiples servicios LLM: admite 6 servicios LLM, incluyendo OpenAI, Groq y modelos locales.

• Roles de voz TTS configurables: admite diálogos de doble rol entre presentador e invitado, con roles de voz personalizables.

• Diseño local primero: prioriza el uso de recursos locales para proteger la privacidad y reducir los costes de uso.

Uso en todos los canales

• Generación con un solo comando: genera contenido rápidamente mediante comandos sencillos.

• Integración con API de Python: admite la integración con la API de Python para facilitar su uso a los desarrolladores.

• Servicio web: servicio web basado en FastAPI para un manejo cómodo en línea.

Instalación y configuración

• Requisitos de instalación: es necesario instalar Docker Desktop y Kokoro-FastAPI.

• Pasos de instalación: clonar el proyecto mediante Git, crear y activar un entorno virtual y, a continuación, instalar los paquetes de Python necesarios.

• Archivo de configuración: es necesario crear un archivo config.yaml para configurar el directorio de salida, el proveedor de LLM, el nombre del modelo, los parámetros de clonación de voz, etc.

Cómo usar Local-NotebookLM

• Preparación del entorno: según el proveedor de LLM utilizado, inicie el servicio correspondiente o asegúrese de que la clave API esté disponible.

• Ejecutar el script: ejecute el comando python main.py input.pdf [options] para convertir el archivo PDF en un podcast.

• Parámetros opcionales: los usuarios pueden especificar el estilo del podcast, la duración y el tamaño de los bloques para el procesamiento del texto.

Flujo de procesamiento de Local-NotebookLM

1. Procesamiento de PDF: extrae el texto del PDF, lo limpia y lo divide en bloques manejables.

2. Generación del guion: genera el guion del podcast según el estilo y la duración especificados.

3. Optimización de TTS: optimiza el guion para mejorar la naturalidad de la síntesis de voz.

4. Generación de audio: convierte el texto en voz y genera el archivo de audio final.

Preguntas frecuentes (FAQ)

1. ¿Cómo genera podcasts Local-NotebookLM?

• Cargue el archivo PDF en la herramienta.

• Utilice la línea de comandos para ejecutar el script, especificando el estilo y la duración del podcast.

• La herramienta procesará automáticamente el texto y generará el archivo de audio.

2. ¿Cuál es la diferencia entre Local-NotebookLM y NotebookLM?

• Local-NotebookLM es una herramienta localizada que se ejecuta en la máquina local y es compatible con LLM y modelos TTS locales.

• NotebookLM es una herramienta basada en la nube, enfocada principalmente en la gestión de notas y el análisis de documentos, con soporte para resúmenes, colaboración y generación de audio impulsados por IA.

Repositorio de GitHub:https://github.com/Goekdeniz-Guelmez/Local-NotebookLM