NotebookLlama - Google NotebookLM'nin açık kaynak sürümü

• NotebookLlama tarifinin mevcut GitHub sayfası, uygulama dokümantasyonu değil; yeni konuma taşındığını bildiren bir yönlendirme sayfasıdır
• Yeni konum, Building a Notebook Llama: A Step-by-Step Guide belgesine yönlendirir
• Eski yolun gövdesinde aynı taşınma bildirimi tekrarlandığı için, gerçek içerik yeni belgede incelenmelidir
• Mevcut yer imleri ve betikler bu GitHub yoluna başvuruyorsa yeni URL'ye güncellenmeleri gerekir
• Mevcut sayfada kurulum, kod yapısı, çalıştırma adımları gibi NotebookLlama kullanımına dair bilgiler yer almaz

---

NotebookLlama tarifinin yeni konumu

• NotebookLlama tarifi, mevcut GitHub dizininden yeni bir konuma taşındı
• Yeni belgenin başlığı Building a Notebook Llama: A Step-by-Step Guide

Eski yolu kullanıyorsanız

• Mevcut yer imleriniz veya betikleriniz bu GitHub sayfasını işaret ediyorsa yeni belge URL'siyle değiştirmeniz gerekir
• Mevcut GitHub sayfasının gövdesinde taşınma bildirimi ve teşekkür ifadesi tekrarlanır

Mevcut sayfada bulunmayanlar

• Bu sayfada NotebookLlama'nın kurulum yöntemi, kod yapısı, çalıştırma adımları ve özellik açıklamaları yer almaz

[GN⁺]

Hacker News yorumları

• NotebookLM “bölümlerini” dinledikçe, Google’ın mevcut çok modlu tabanlı modelinin üzerine doğrudan podcast üreten iki kişilik diyalog modeli eğitmiş olduğuna dair kanaatim güçleniyor.
  İki konuşmacının birbirinin sözünü kesmesi ve üst üste konuşması ürpertici derecede insana benziyor.
  Gerçek podcast’leri ve dökümlerini büyük ölçekte kullanıp, dökümlerden sentetik “girdi materyalleri” üreterek eğitim örneği olarak vermiş olmaları da mümkün görünüyor.
  Örneğin The Daily’nin bir bölümünü alıp bir dil modeline o podcast içeriğini özetleyen hayali bir metin yazdırmak, ardından bu metni iki konuşmacılı modele verip çıkan sesi yazıya dökerek girdi metniyle ne kadar iyi örtüştüğüne bakmak gibi bir yöntem olabilir.
  Önemli ayrıntıları kaçırıyor olabilirim ama bu podcast’in doğallığının yalnızca düz metin dökümlerinden çıkabileceğini sanmıyorum.

  • swyx’in izinden gidersek, bu TTS’nin Google’ın sonunda bodrumda beklettiği Soundstorm’u ortaya çıkarmış olması kuvvetle muhtemel.
    https://google-research.github.io/seanet/soundstorm/examples...
  • İyi haber ve kötü haber var: Bunu bu şekilde yapmamışlar.
    Ses modelini yöneten mühendisin konuk olduğu ilk podcast vardı: https://www.latent.space/p/notebooklm
    Özetle senaryo ile sesin ayrı ayrı üretildiğini doğruladılar; ancak TTS modeli, açık kaynak ya da ticari olarak erişilebilenlerden çok daha ileri bir seviyede eğitilmiş durumda.
  • NotebookLM’de benzer bir his aldım ama tuhaf bir şey de fark ettim.
    Bazen sunucu A konuşurken bir anda sunucu B o cümleyi tamamlıyor.
    Genellikle bu durumda A, B’ye bir şey açıklıyor ya da bir soruyu yanıtlıyor olduğundan bağlam açısından mantıklı gelmiyor; nasıl yorumlamak gerekir bilmiyorum ama ilginç bir olgu.

• Bu aslında oldukça açık biçimde açık kaynak değil: https://github.com/meta-llama/llama-recipes/blob/d83d0ae7f5c...
  LICENSE dosyası da yok; bu yüzden şimdilik bu kodu en fazla referans amaçlı kullanabileceğimizi düşünüyorum.

  • Olduğu gibi kullanmak pek yararlı görünmüyor ama araştırdığı yaklaşımın kendisi düz metin olarak açık ve iyi belgelenmiş.
    Doğrudan kullanılamasa bile kamusal bilgiye katkı olarak yeterince takdir edilesi.
  • README’de yazanlarla farklı olduğu için hata olabilir: https://github.com/meta-llama/llama-models/blob/main/models/...
    Burada Meta Llama 3.2 lisansına işaret ediyor.
  • Teşekkürler ama yine de kullanmayı düşünüyorum.

• Bunu görmek güzel. Teknoloji meraklıları NotebookLM’i görmezden gelirse risk alır.
  Tanıdığım zeki ama pek teknik olmayan insanların çoğu NotebookLM’i ezici biçimde bir AI killer app gibi karşıladı.
  70’lerindeki ebeveynlerim de 8 yaşındaki çocuğum da bunu görünce şaşırıp sürekli kurcalıyor.
  Aşağıda birinin belirttiği gibi, burada kastettiğim tam olarak “podcast” özelliği.

  • Podcast dinlemeyen biri olarak, NotebookLM ile podcast üretmezsem ne tür bir riskle karşılaşacağımı bilmiyorum.
  • Birçok kişiye neden havalı göründüğünü anlıyorum ama benim için zaman tasarrufunun tam tersi.
    Yani daha çok zaman yiyen bir araç gibi.
    Bazı insanların, hatta geliştiricilerin bile okuyamaması ya da uzun metinlerden çekinmesi nedeniyle varlık nedeni kazanan videolara benziyor.
    Çok kısa metin sayfalarına bile video eklemek zorunda kalınca ancak kısmen hafifleyen bir rekabet dezavantajı var.
  • Emin değilim. “Zeki ama teknik olmayan” insanların okuyamadığını mı kastediyorsun?
    Diğer podcast’leri görmezden geldiğim gibi bunu da görmezden gelirsem ne kaçıracağımı bilmiyorum.
    Podcast’ten bir şey öğrendiğini söyleyen pek az kişi gördüm; genelde işe yaramayacak başka alanlardan dağınık bilgiler oluyor.
  • NotebookLM’in genelinden mi söz ediyorsun, yoksa özellikle podcast numarasından mı, merak ediyorum.
  • Bir yazı ya da blog gönderisi hakkındaki NotebookLM podcast’ini her dinlediğimde, aynı yazının basitçe AI text-to-speech ile okunmasının çok daha iyi olacağını düşündüm.

• Son birkaç aydır NotebookLM benzeri bir şey, kişiselleştirilmiş haber podcast’i yapmaya çalışıyordum (https://www.tailoredpod.ai)
  En büyük sorun, mevcut iyi TTS API’lerinin çok pahalı olması; bu yüzden Google modeline dahili erişimi olmayan sıradan bir şirketin NotebookLM gibi bir ürün geliştirmesi zor.
  OpenAI fiyat/kalite açısından nispeten makul bir TTS API sunuyor ama yine de saatlerce sesi ücretsiz üretmek için fazla pahalı.
  Açık kaynak TTS modelleri de yavaş yavaş yetişiyor ama hâlâ güçlü donanım gerektiriyor. Örn: https://github.com/SWivid/F5-TTS

  • Kullanıcılarınız var mı? TTS darboğazsa yardımcı olabilirim. E-posta profilimde.
  • “Güçlü donanım” derken nasıl bir seviyeyi kastettiğini merak ediyorum.

• TTS motoru seçimi epey garip.
  Açık TTS sistemleri ölçüt alındığında hiçbiri son teknolojiye yakın değil.
  XTTSv2 ya da yeni F5-TTS çok daha iyi bir seçim olurdu.

  • Kod, bu motorları kullanacak şekilde her zaman güncellenebilir.
    Meta’nın GitHub’da bir şey yayımlaması, “en iyiyi” sunmaktan çok kavram kanıtı vermeye yakın.
    Bu TTS sistemlerinin lisansları da önemli; yalnızca açık olmaları yeterli değil.
    Kullanıcılara yönelik bir ürün olsaydı kesinlikle daha iyi bir TTS kullanırlardı.
  • Sayfadaki iyileştirme gerektiren maddelerde şöyle yazıyor:
    “Ses modeli denemeleri: TTS modelinin doğal duyulma derecesinin sınırı bu. Daha iyi bir pipeline ve konuyu daha iyi bilen birinin yardımıyla iyileştirilebilir. PR’lar memnuniyetle karşılanır! :)”

• Örnek çıktı çok kötü
  Harika bir demo olsa da, NotebookLM ekibinin zaten kullanılabilir olanlarla neredeyse aynı temel modellerle ne kadar büyük bir hit ürün ortaya çıkardığını daha da vurguluyor

• Bu, açık kaynak bir NotebookLM olmaktan ziyade iPython notebook içinde birkaç deneye daha yakın görünüyor
  NotebookLM’in LLM düzeyinde yaptığı şey özellikle yeni değil; ilginç olanın, diğer ürünlerden farklı olarak bunu ürün olarak paketleme biçimi olduğunu düşünüyorum
  “Podcast” kısmı da aslında büyük bir derleme/metin bütünü için bir giriş ya da genel bakışa daha yakın; çok daha faydalı olan, o derleme hakkında bir botla konuşurken alıntı kaynakları alabilme özelliği
  Yine de bu örnek, LLM ile prototiplemenin çok hızlı olduğunu gösteriyor
  API’ye henüz dokunmamış olanlara denemelerini öneririm

  • Katılmıyorum
    NotebookLM’in yeniliği, iki sunucunun birbirinin sözünü kesmesi ve konuşmalarının üst üste binmesi biçiminde
    Diğer açık kaynak çözümler bunu yapamıyor; sadece sırayla konuşuyorlar

• LLaMA modellerini destekleyen, Jupyter tabanlı başka bir notebook çözümü de var: https://raku.land/zef:antononcube/Jupyter::Chatbook
  Demo videosu burada: https://youtu.be/zVX-SqRfFPA

• Bu sadece podcast mi oluşturuyor?
  NotebookLM’in diğer özellikleriyle daha çok ilgileniyorum
  Podcast eğlenceli ama daha çok bir gimmick gibi

  • Aksine, podcast özelliğini birkaç kez kullandım ve birçok kişiyle paylaştım
    Normalde sindiremeyeceğim karmaşık bilgileri anlamam için iyi bir sistem ve mecra oldu

• Bunu telefonda yerel olarak çalıştırabilmek epey güzel olurdu
  İş belgelerini, örneğin bir ürün gereksinimleri dokümanı aldığında, sürüş sırasında dinlenebilecek bir podcast’e dönüştürdüğü bir durumu hayal ediyorum
  Verimliliği ciddi ölçüde artırır ve uyumluluk sorunları için de endişelenmek gerekmez gibi geliyor

  • ChatGPT veya Claude’un sürüş sırasında kullanılabilecek bir Android Auto uygulaması yapması güzel olurdu