libratory
Laboratorio local de libros y audiobooks que convierte PDFs propios en M4B con marcadores de capítulos y lectura simultánea. Soporta IA local, traducciones, reescrituras y chat RAG sobre toda la biblioteca sin subir datos a la nube.
Ficha actualizada 25 sept 2026, 22:03 · upstream 25 sept 2026, 21:56 · release v26.920.0
Qué es libratory
Descripción editorial construida a partir del repositorio, su documentación y sus señales de mantenimiento.
Libratory es una herramienta open source para transformar colecciones de PDFs en audiobooks funcionales con marcadores de capítulos nativos (M4B) o libros de lectura simultánea donde el texto se ilumina mientras se narra. Funciona completamente offline-first, ejecutando motores TTS locales y modelos de IA en tu hardware sin enviar contenido a la nube.
La plataforma permite edición granular por capítulo: limpiar errores OCR con IA, traducir o reescribir capítulos manteniendo el original, ajustar límites de capítulos manualmente o mediante IA, y generar notas que se convierten en capítulos. Incluye chat RAG sobre todo el contenido de la biblioteca con citas verificables y exportación a EPUB sincronizado.
Soporta despliegue en Apple Silicon Mac, Linux x86_64/arm64 o un único contenedor Docker headless. La arquitectura integra Next.js/React para la UI, Python para procesamiento, PostgreSQL para persistencia y MCP para integración con agentes de IA.
- Convertir PDFs propios en audiobooks M4B con marcadores de capítulos nativos para reproductores compatibles
- Crear libros de lectura simultánea donde las oraciones se iluminan en el PDF mientras se narran
- Traducir o reescribir capítulos individualmente manteniendo el original intacto y generando audio separado
- Consultar la biblioteca completa con chat RAG que cita fuentes específicas dentro del documento
- Limpiar automáticamente errores de OCR en documentos escaneados usando modelos locales como Surya
- Organizar bibliotecas múltiples por usuario o perfil con búsqueda transversal entre carpetas
- Funciona offline-first: todos los motores TTS y modelos de IA se ejecutan localmente sin depender de servicios en la nube
- Soporta exportación EPUB 3 con Media Overlays para lectura sincronizada en reproductores compatibles
- Integración MCP nativa que permite a agentes de IA controlar toda la biblioteca mediante llamadas de herramienta
- Detección de capítulos híbrida: reglas automáticas, análisis de TOC con IA y dibujo manual de límites
- Lectura simultánea con resaltado oracional alineado al texto original del PDF
- Chat RAG sobre contenido completo de la biblioteca con citas verificables y navegación directa a páginas
- Requiere instalación previa de dependencias externas (ffmpeg, poppler, espeak-ng) antes de ejecutar el contenedor o la aplicación
- Funcionalidad completa offline depende de modelos locales descargados previamente; sin ellos, algunas características no operan
- La detección automática de capítulos puede requerir ajuste manual en documentos con estructura irregular
- El chat RAG y las traducciones requieren configuración de modelos de IA locales o claves API para proveedores externos
- Algunas funciones avanzadas como la lectura simultánea dependen de la calidad del OCR previo o de modelos de visión local
Capturas del proyecto
Imágenes reales detectadas en la documentación del repositorio.
Perfil de infraestructura
Estimación inicial derivada del repositorio y de los servicios detectados.
Despliegue detectado
Qué señales reales de instalación hemos encontrado.
Para despliegue Docker en Linux/Windows: ejecutar docker compose --profile app up -d --build. Para macOS/Linux desde fuente: instalar ffmpeg, poppler, espeak-ng, Python 3.12, Node >=22.22 y pnpm antes de ejecutar pnpm run setup. El contenedor incluye Postgres integrado en el mismo puerto que la aplicación (3034). En Mac, usar brew para las dependencias o instalar vía Homebrew Cask la app nativa.
Stack y dependencias
Componentes inferidos a partir de manifests, configuración y documentación.
Puede sustituir a
Relaciones detectadas por el análisis del repositorio y su categoría.
Experiencia real de la comunidad
Ayuda a contrastar la estimación automática con instalaciones reales.
Todavía no hay datos comunitarios para este proyecto.